论文的框架
第一章 背景介绍
第二章 理论基础 第三章 异常检测
第三章 基于LDA模 型异常检测
第四章 实验设置
第五章 总结展望
why? 即本文研究的目的
what, 本文主要研究工作
how！ 本文如何展开对工作 的研究
if,then. 对于文中研究的不足 提出对未来的展望
论文主要工作
目标行为表示问题 行为学习的策略 LDA模型简介 基于LDA模型异常检测 实验结果与分析 总结与展望
LDA模型简介
模型简介 LDA模型最初是用来文本挖掘的，它采用词袋模型，将每
一篇文档视为一个词频向量。每一篇文档代表了一些主题所构 成的一个概率分布，而每个主题又代表了很多单词所构成的一 个概率分布。 生成过程
所谓生成模型，可以认为是一篇文章的每个词都是通过以 一定概率选择了某个主题，并从这个主题中以一定概率选择某 个词语。具体步骤如下：
行为的表示
光流ቤተ መጻሕፍቲ ባይዱ征法 传统行为一般都是基于对象的表示，通过点对点的建模，
去学习运动轨迹数据的分布特征、比较轨迹点之间的相似程度 。以及通过上述的方法获得目标的完整轨迹，根据这些目标的 轨迹的信息去分析并理解这些目标行为。然而在实际复杂监控 场景中，涉及到多目标的跟踪，目标之间会频繁遮挡，如果采 用基于对象的表示方法运用传统的目标检测跟踪方法就不能获 得目标的完整轨迹了，从而无法完成对目标行为的检测与理解 。所以采用了光流法，它是基于像素级的，无需对目标先进行 分割以获得其目标轨迹。此方法算法相对简单，且对复杂视频 监控有着很好的适应性。
从狄利克雷分布α中取样生成文档i的主题分布θi 从主题的多项分布θi中取样生成文档i第j个词的主题zi,j 从狄利克雷分布β中取样生成主题zi,j的词语分布∮zj,i 从词语分布多项式分布∮zi,i中采样生成词语wi,j
