首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共80页,点击 下载论文
上一篇:基于条件随机场的植物细胞追踪算法研究
下一篇:基于BIM技术的建筑抗风监测系统研究