| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 本文研究的背景及意义 | 第12-13页 |
| 1.2 国内外相关课题的研究动态 | 第13-15页 |
| 1.3 本文的创新性工作 | 第15-16页 |
| 1.4 本文的研究内容及结构安排 | 第16-18页 |
| 第二章 理论基础 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 双模态特征的分析和提取 | 第18-30页 |
| 2.2.1 视觉特征 | 第18-26页 |
| 2.2.2 音频特征 | 第26-30页 |
| 2.3 支持向量机研究 | 第30-35页 |
| 2.3.1 支持向量机的发展 | 第31-32页 |
| 2.3.2 支持向量机的特征 | 第32-33页 |
| 2.3.3 支持向量机体现的主要思想方法 | 第33-34页 |
| 2.3.4 支持向量机算法 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于音频词汇的暴力视频分类方法 | 第36-50页 |
| 3.1 引言 | 第36页 |
| 3.2 词袋模型介绍 | 第36-38页 |
| 3.3 音频词汇 | 第38-39页 |
| 3.4 权重分配机制 | 第39-41页 |
| 3.5 基于音频词袋的算法研究 | 第41-44页 |
| 3.5.1 本文定义的暴力场景 | 第41-42页 |
| 3.5.2 算法流程 | 第42-44页 |
| 3.6 仿真实验结果及分析 | 第44-49页 |
| 3.6.1 五类视频的分类结果 | 第45-46页 |
| 3.6.2 利用MPEG-7 融合音频特征来分类暴力视频 | 第46-47页 |
| 3.6.3 不同音频词汇的分类效果 | 第47-48页 |
| 3.6.4 对视觉特征粗分类的镜头精确分类 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于双模态特征的恐怖暴力场景快速筛选方法 | 第50-68页 |
| 4.1 引言 | 第50页 |
| 4.2 两种筛选方法模型 | 第50-53页 |
| 4.2.1 视觉结构张量筛选模型 | 第50-52页 |
| 4.2.2 音频快速筛选模型 | 第52-53页 |
| 4.3 视频音频特征的选取 | 第53-63页 |
| 4.3.1 运动特征的过滤 | 第53-56页 |
| 4.3.2 人脸检测 | 第56-62页 |
| 4.3.3 针对恐怖暴力视频的图像特征选取 | 第62页 |
| 4.3.4 音频特征 | 第62-63页 |
| 4.4 仿真实验结果及分析 | 第63-66页 |
| 4.4.1 两种模型的处理速度 | 第63-65页 |
| 4.4.2 两种模型分类准确率的比较 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 结束语 | 第68-70页 |
| 5.1 本文创新工作 | 第68页 |
| 5.2 未来展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75页 |
| 攻读硕士学位期间参加的课题与项目 | 第75页 |