视频内容识别算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容及结构安排 | 第14-15页 |
| 2 相关基础理论 | 第15-26页 |
| 2.1 视频的结构化模型 | 第15页 |
| 2.2 视频镜头分割 | 第15-18页 |
| 2.2.1 基于像素的算法 | 第16页 |
| 2.2.2 基于直方图的算法 | 第16-17页 |
| 2.2.3 基于边缘的算法 | 第17页 |
| 2.2.4 基于信息论的算法 | 第17-18页 |
| 2.3 视频关键帧提取 | 第18-19页 |
| 2.3.1 基于镜头边界提取关键帧 | 第18页 |
| 2.3.2 基于运动分析提取关键帧 | 第18-19页 |
| 2.3.3 基于图像信息提取关键帧 | 第19页 |
| 2.3.4 基于视频聚类提取关键帧 | 第19页 |
| 2.4 视频内容特征 | 第19-25页 |
| 2.4.1 颜色特征 | 第19-21页 |
| 2.4.2 纹理特征 | 第21-23页 |
| 2.4.3 形状特征 | 第23-24页 |
| 2.4.4 音频特征 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 视频关键帧及情感特征提取 | 第26-31页 |
| 3.1 概述 | 第26页 |
| 3.2 关键帧提取 | 第26-27页 |
| 3.3 颜色情感特征提取 | 第27-29页 |
| 3.4 音频情感特征提取 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于SVM的视频分类 | 第31-37页 |
| 4.1 概述 | 第31-34页 |
| 4.2 实验与分析 | 第34-36页 |
| 4.2.1 基于视觉特征的SVM分类 | 第34-35页 |
| 4.2.2 基于音频特征的SVM分类 | 第35页 |
| 4.2.3 级联SVM | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 基于多实例学习算法的视频分类 | 第37-42页 |
| 5.1 多示例学习 | 第37-38页 |
| 5.2 多示例学习的几种算法 | 第38-40页 |
| 5.2.1 k近邻算法 | 第38页 |
| 5.2.2 多样性密度算法 | 第38-39页 |
| 5.2.3 基于支持向量机的多示例学习 | 第39-40页 |
| 5.3 实验与分析 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 6 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 作者简历 | 第46-48页 |
| 学位论文数据集 | 第48页 |
