基于目标识别的视频搜索应用研究
摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景与意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-17页 |
1.2.1 视频场景检测技术的研究现状 | 第16页 |
1.2.2 图像匹配技术的研究现状 | 第16-17页 |
1.3 主要研究工作 | 第17-19页 |
1.4 创新点 | 第19页 |
1.5 论文组织结构 | 第19-21页 |
第二章 视频场景检测 | 第21-33页 |
2.1 常用的场景检测方法 | 第21-22页 |
2.1.1 帧间差分法 | 第21页 |
2.1.2 背景差分法 | 第21页 |
2.1.3 光流法 | 第21-22页 |
2.2 改进的背景差分法 | 第22-30页 |
2.2.1 添加预处理视频帧操作 | 第22-26页 |
2.2.1.1 灰度化 | 第22-24页 |
2.2.1.2 中值滤波除噪 | 第24-26页 |
2.2.2 场景检测 | 第26-30页 |
2.2.2.1 传统的场景检测 | 第26-27页 |
2.2.2.2 使用欧式距离算法进行场景检测 | 第27-30页 |
2.3 算法实现 | 第30-31页 |
2.4 本章小结 | 第31-33页 |
第三章 提取图像的sift特征点 | 第33-42页 |
3.1 sift特征点提取 | 第33-40页 |
3.1.1 尺度空间极值检测 | 第33-36页 |
3.1.1.1 构建尺度空间 | 第33-35页 |
3.1.1.2 检测尺度空间极值点 | 第35-36页 |
3.1.2 关键点定位 | 第36-39页 |
3.1.2.1 去除不好的极值点 | 第36-37页 |
3.1.2.2 计算特征点主方向 | 第37-39页 |
3.1.3 生成关键点描述子 | 第39-40页 |
3.2 特征点提取结果 | 第40-41页 |
3.3 本章小结 | 第41-42页 |
第四章 基于优化的VP森林算法的特征点匹配 | 第42-57页 |
4.1 图像特征匹配算法 | 第42-45页 |
4.1.1 KD-tree算法 | 第42-43页 |
4.1.2 随机KD森林算法 | 第43-44页 |
4.1.3 VP-tree算法 | 第44-45页 |
4.2 提出优化的VP森林算法 | 第45-48页 |
4.2.1 选取优势点 | 第45页 |
4.2.2 构建VP森林 | 第45-47页 |
4.2.3 查找最近邻 | 第47-48页 |
4.3 实验结果分析 | 第48-55页 |
4.3.1 实验准备 | 第49-51页 |
4.3.1.1 实验环境 | 第49页 |
4.3.1.2 实验性能指标 | 第49页 |
4.3.1.3 阈值的选取 | 第49-50页 |
4.3.1.4 数据集的选取 | 第50页 |
4.3.1.5 距离函数的选取 | 第50-51页 |
4.3.2 实验结果 | 第51-55页 |
4.3.2.1 数据维度不同 | 第51-52页 |
4.3.2.2 数据集大小不同 | 第52-53页 |
4.3.2.3 查找到的最近邻个数不同 | 第53页 |
4.3.2.4 距离函数不同 | 第53-54页 |
4.3.2.5 构建树的个数不同 | 第54-55页 |
4.3.2.6 匹配时间 | 第55页 |
4.4 本章小结 | 第55-57页 |
第五章 基于目标识别的视频搜索系统的设计与实现 | 第57-67页 |
5.1 系统设计 | 第57-59页 |
5.1.1 系统流程 | 第57-58页 |
5.1.2 系统功能 | 第58-59页 |
5.2 系统展示 | 第59-60页 |
5.3 实验结果分析 | 第60-65页 |
5.3.1 使用改进的背景差分法进行视频场景检测 | 第60-62页 |
5.3.2 对比其他特征匹配方式 | 第62-63页 |
5.3.3 sift特征匹配 | 第63-65页 |
5.4 实用性分析 | 第65-66页 |
5.5 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 本文工作总结 | 第67-68页 |
6.2 未来工作展望 | 第68-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-75页 |
研究成果及发表的学术论文 | 第75-77页 |
作者及导师简介 | 第77-79页 |
附件 | 第79-80页 |