视频内容理解研究与应用
| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 视频内容理解 | 第16-17页 |
| 1.2.2 视频关键帧提取 | 第17-19页 |
| 1.2.3 目标检测 | 第19-20页 |
| 1.3 本文研究内容与论文组织 | 第20-22页 |
| 1.3.1 主要研究工作 | 第20页 |
| 1.3.2 论文组织结构 | 第20-22页 |
| 第2章 相关理论及技术 | 第22-31页 |
| 2.1 引言 | 第22页 |
| 2.2 视频编码标准 | 第22-24页 |
| 2.2.1 H.264 视频编码标准 | 第22-24页 |
| 2.2.2 H.265 视频编码标准 | 第24页 |
| 2.3 主流音视频处理工具 | 第24-26页 |
| 2.3.1 FFmpeg | 第24-25页 |
| 2.3.2 OpenCV | 第25-26页 |
| 2.4 机器学习 | 第26-28页 |
| 2.5 深度学习框架 | 第28-30页 |
| 2.5.1 Tensorflow | 第29页 |
| 2.5.2 Caffe | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 非压缩域视频关键帧提取算法研究 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 HSV直方图降维法 | 第31-34页 |
| 3.2.1 RGB颜色模型 | 第31-32页 |
| 3.2.2 HSV颜色模型 | 第32-33页 |
| 3.2.3 HSV直方图 | 第33-34页 |
| 3.3 压缩域关键帧提取算法 | 第34-35页 |
| 3.4 非压缩域关键帧提取算法 | 第35-38页 |
| 3.4.1 K-Means | 第36页 |
| 3.4.2 AGNES | 第36-37页 |
| 3.4.3 密度峰值聚类 | 第37-38页 |
| 3.5 实验和结果分析 | 第38-42页 |
| 3.5.1 FFmpeg提取I帧 | 第38页 |
| 3.5.2 最佳簇数计算 | 第38-39页 |
| 3.5.3 关键帧质量评价 | 第39-40页 |
| 3.5.4 实验结果 | 第40-42页 |
| 3.5.5 结果分析 | 第42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 视频中的目标检测算法 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 目标检测模型的评价标准 | 第44-47页 |
| 4.2.1 FPS | 第44页 |
| 4.2.2 IOU | 第44-45页 |
| 4.2.3 mAP | 第45-47页 |
| 4.3 传统目标检测算法 | 第47页 |
| 4.4 基于深度学习的目标检测算法 | 第47-51页 |
| 4.4.1 Faster R-CNN | 第48-50页 |
| 4.4.2 YOLO | 第50-51页 |
| 4.5 标准评测数据集 | 第51-52页 |
| 4.5.1 PASCAL VOC | 第51页 |
| 4.5.2 MS COCO | 第51-52页 |
| 4.5.3 ImageNet | 第52页 |
| 4.6 实验和结果分析 | 第52-54页 |
| 4.6.1 实验结果 | 第53页 |
| 4.6.2 结果分析 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第5章 视频内容理解在自动驾驶中的应用 | 第55-61页 |
| 5.1 引言 | 第55页 |
| 5.2 自动驾驶系统 | 第55-57页 |
| 5.3 应用实例 | 第57-60页 |
| 5.3.1 环境参数 | 第57-58页 |
| 5.3.2 视频内容理解流程 | 第58-60页 |
| 5.3.3 驾驶行为决策 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间发表的学术论文和获奖情况 | 第70页 |
