| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 视频检索研究概况 | 第12-13页 |
| 1.2.2 经典的视频检索系统 | 第13-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 数字视频和深度学习 | 第17-26页 |
| 2.1 数字视频结构分析 | 第17-19页 |
| 2.1.1 视频的层次结构 | 第17-18页 |
| 2.1.2 视频的结构化处理 | 第18-19页 |
| 2.2 深度学习 | 第19-25页 |
| 2.2.1 深度学习概述 | 第19-20页 |
| 2.2.2 卷积神经网络简介 | 第20-24页 |
| 2.2.3 长短记忆网络简介 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 视频结构化处理 | 第26-45页 |
| 3.1 视频结构化处理概述 | 第26页 |
| 3.2 镜头分割 | 第26-31页 |
| 3.2.1 像素差法 | 第27页 |
| 3.2.2 直方图法 | 第27-29页 |
| 3.2.3 边缘检测法 | 第29页 |
| 3.2.4 块匹配法 | 第29-30页 |
| 3.2.5 基于压缩域的方法 | 第30-31页 |
| 3.3 关键帧提取 | 第31-35页 |
| 3.3.1 帧间差分析法 | 第31-32页 |
| 3.3.2 内容分析法 | 第32-33页 |
| 3.3.3 互信息量分析法 | 第33-35页 |
| 3.3.4 聚类法 | 第35页 |
| 3.4 改进的镜头分割方法 | 第35-41页 |
| 3.4.1 InceptionV3网络 | 第36-39页 |
| 3.4.2 算法描述 | 第39-41页 |
| 3.5 改进的关键帧提取方法 | 第41-44页 |
| 3.5.1 关键帧加权 | 第42-43页 |
| 3.5.2 算法描述 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 特征提取与匹配检索 | 第45-59页 |
| 4.1 图像特征 | 第45-48页 |
| 4.1.1 图像特征概述 | 第45-46页 |
| 4.1.2 图像特征的研究现状 | 第46-48页 |
| 4.2 SIFT特征 | 第48-52页 |
| 4.2.1 SIFT算法概述 | 第48页 |
| 4.2.2 SIFT算法描述 | 第48-52页 |
| 4.3 基于CNN和LSTM的视频特征提取 | 第52-55页 |
| 4.3.1 基于SIFT特征视频检索方法的瓶颈分析 | 第52-53页 |
| 4.3.2 基于CNN和LSTM的特征提取概述 | 第53页 |
| 4.3.3 基于CNN和LSTM的特征提取方法 | 第53-55页 |
| 4.4 检索匹配 | 第55-58页 |
| 4.4.1 特征匹配方法描述 | 第56-57页 |
| 4.4.2 视频检索算法描述 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 实验结果与分析 | 第59-81页 |
| 5.1 实验平台介绍 | 第59页 |
| 5.2 镜头分割实验 | 第59-66页 |
| 5.2.1 运行时间 | 第59-60页 |
| 5.2.2 镜头分割效果和分析 | 第60-66页 |
| 5.2.3 镜头分割实验小结 | 第66页 |
| 5.3 关键帧提取实验 | 第66-72页 |
| 5.3.1 运行时间 | 第66-67页 |
| 5.3.2 关键帧提取效果与分析 | 第67-72页 |
| 5.3.3 关键帧提取实验小结 | 第72页 |
| 5.4 视频检索实验 | 第72-80页 |
| 5.4.1 视频检索效果与分析 | 第72-74页 |
| 5.4.2 实验结果与分析 | 第74-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-82页 |
| 6.1 本文总结 | 第81页 |
| 6.2 本文展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附件 | 第88页 |