| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩略语索引表 | 第16-17页 |
| 常用符号一览表 | 第17-18页 |
| 第一章 绪论 | 第18-31页 |
| 1.1 研究的背景及其意义 | 第18-19页 |
| 1.2 智能视频监控的研究现状 | 第19-27页 |
| 1.2.1 目标跟踪 | 第20-25页 |
| 1.2.2 视频理解 | 第25-27页 |
| 1.3 本文研究内容 | 第27-31页 |
| 1.3.1 课题研究的提出 | 第27-28页 |
| 1.3.2 研究内容 | 第28-29页 |
| 1.3.3 本文研究内容的体系结构 | 第29-31页 |
| 第二章 基础理论 | 第31-59页 |
| 2.1 Tracking-Learning-Detection跟踪算法 | 第31-38页 |
| 2.1.1 跟踪器 | 第31-34页 |
| 2.1.2 检测器 | 第34-35页 |
| 2.1.3 学习模块 | 第35-38页 |
| 2.1.4 整合器 | 第38页 |
| 2.2 小波变换及Haar小波 | 第38-46页 |
| 2.2.1 小波变换原理 | 第38-41页 |
| 2.2.2 小波变换的二维推广 | 第41-43页 |
| 2.2.3 Haar小波基 | 第43页 |
| 2.2.4 Haar特征 | 第43-46页 |
| 2.3 循环神经网络模型 | 第46-57页 |
| 2.3.1 神经元及其记忆功能 | 第46-48页 |
| 2.3.2 循环神经网络的原理 | 第48-50页 |
| 2.3.3 循环神经网络的应用 | 第50页 |
| 2.3.4 长短时记忆模型的简介 | 第50-54页 |
| 2.3.5 双向长短时记忆模型 | 第54-57页 |
| 2.4 本章小结 | 第57-59页 |
| 第三章 一个基于可靠特征点分配的鲁棒性跟踪框架 | 第59-83页 |
| 3.1 引言 | 第59页 |
| 3.2 原Tracking-Learning-Detection跟踪算法的特点 | 第59-60页 |
| 3.2.1 原TLD跟踪算法的优点 | 第59-60页 |
| 3.2.2 原TLD跟踪算法的缺点 | 第60页 |
| 3.3 Reliable Point Assignment新算法的提出 | 第60-67页 |
| 3.4 Kalman滤波器与RPA-TLD融合的新框架 | 第67-68页 |
| 3.5 实验部分 | 第68-81页 |
| 3.5.1 数据集和实验环境 | 第68-71页 |
| 3.5.2 评价标准 | 第71-72页 |
| 3.5.3 跟踪结果 | 第72-81页 |
| 3.6 本章小结 | 第81-83页 |
| 第四章 一个基于自适应帧采样和BLSTM的视频转文字方法 | 第83-105页 |
| 4.1 引言 | 第83-85页 |
| 4.2 S2VT模型 | 第85-86页 |
| 4.3 改进模型的提出 | 第86-93页 |
| 4.3.1 视频帧采样方法的改进 | 第87-88页 |
| 4.3.2 针对LSTM的三种优化方法 | 第88-93页 |
| 4.4 模型训练和实验分析 | 第93-103页 |
| 4.4.1 数据集简介和评估简介 | 第93-95页 |
| 4.4.2 实验结果分析 | 第95-100页 |
| 4.4.2 模型泛化能力的测试 | 第100-103页 |
| 4.4.3 整个处理过程的速度测试 | 第103页 |
| 4.5 本章小结 | 第103-105页 |
| 第五章 一个基于特征融合和网络参数优化的视频转文字算法 | 第105-125页 |
| 5.1 引言 | 第105-108页 |
| 5.2 门循环单元和最少门单元的模型 | 第108-110页 |
| 5.3 针对深度BLSTM的三种优化方法 | 第110-113页 |
| 5.3.1 关于特征融合 | 第110-111页 |
| 5.3.2 基于双向GRU和双向MGU模型的新方法 | 第111-112页 |
| 5.3.3 双向GRU和双向MGU构成的深度双向模型 | 第112-113页 |
| 5.4 实验与分析 | 第113-124页 |
| 5.4.1 实验结果与分析 | 第114-123页 |
| 5.4.2 整个处理过程的速度测试 | 第123页 |
| 5.4.3 结论 | 第123-124页 |
| 5.5 本章小结 | 第124-125页 |
| 总结与展望 | 第125-128页 |
| 参考文献 | 第128-137页 |
| 攻读博士学位期间取得的研究成果 | 第137-139页 |
| 致谢 | 第139-140页 |
| 附件 | 第140页 |
