首页--工业技术论文--无线电电子学、电信技术论文--电视论文--电视中心、电视设备论文--电视中心管理系统论文

基于运动目标的视频浓缩技术研究

摘要第4-5页
Abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-14页
    1.1 课题研究背景及意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 本文主要研究内容及组织结构第12-14页
        1.3.1 本文主要研究内容第12-13页
        1.3.2 本文组织结构第13-14页
第二章 视频浓缩技术基础第14-25页
    2.1 视频浓缩原理第14-15页
    2.2 背景建模技术第15-19页
        2.2.1 混合高斯背景建模第16-17页
        2.2.2 基于LBP的背景建模第17-19页
    2.3 目标跟踪技术第19-22页
        2.3.1 卡尔曼滤波跟踪第19-20页
        2.3.2 MeanShift跟踪算法第20-22页
    2.4 基于运动轨迹优化的浓缩展现第22-24页
        2.4.1 基于时空转移的轨迹优化方法第23页
        2.4.2 基于类似活动的轨迹优化方法第23页
        2.4.3 基于带状雕刻剪裁的轨迹优化方法第23-24页
        2.4.4 基于用户关注空间与注意力分析的轨迹优化方法第24页
        2.4.5 基于多视频融合的轨迹优化方法第24页
    2.5 本章小结第24-25页
第三章 基于SILTP与单高斯相融合的前景检测第25-40页
    3.1 基于SILTP的纹理特征前景检测第25-29页
        3.1.1 尺度不变局部三值模式(SILTP)第25-27页
        3.1.2 基于SILTP纹理直方图的背景建模第27-29页
    3.2 基于单高斯背景建模的前景检测第29-31页
    3.3 基于纹理特征与颜色特征相结合的前景检测第31-32页
    3.4 实验结果与分析第32-39页
        3.4.1 简单背景下的背景建模效果图比较第32-33页
        3.4.2 光线突变情况下的背景建模效果图比较第33-35页
        3.4.3 有运动阴影时的背景建模效果图比较第35-36页
        3.4.4 各背景建模算法的数据比较第36-37页
        3.4.5 混合高斯和SILTP的融合算法与本文算法的比较第37-39页
    3.5 本章小结第39-40页
第四章 基于Camshift与SIFT线性融合的运动物体跟踪第40-56页
    4.1 连续自适应均值漂移算法(Camshift算法)第40-44页
        4.1.1 RGB空间到HSV空间的转换第40-41页
        4.1.2 反向投影第41-42页
        4.1.3 Camshift算法流程第42-44页
    4.2 SIFT特征提取第44-48页
        4.2.1 在尺度空间中检测极值点第45-46页
        4.2.2 关键点定位第46-47页
        4.2.3 为关键点指定方向第47页
        4.2.4 生成关键点描述子第47-48页
    4.3 基于Camshift与SIFT线性融合的运动物体跟踪第48-50页
        4.3.1 SIFT特征匹配第49-50页
        4.3.2 特征点中心的重心转移计算第50页
        4.3.3 校准跟踪结果第50页
        4.3.4 融合Camshift和SIFT第50页
    4.4 实验结果及评价第50-55页
        4.4.1 目标尺度发生变化时各算法的跟踪结果第51-52页
        4.4.2 目标旋转时各算法的跟踪结果第52-54页
        4.4.3 目标颜色与背景颜色相近时各算法的跟踪结果第54-55页
    4.5 本章小结第55-56页
第五章 基于运动轨迹优化的浓缩视频第56-67页
    5.1 基于时间轴转移的轨迹组合第57-60页
        5.1.1 能量代价函数第57-59页
        5.1.2 能量最小化第59-60页
    5.2 浓缩视频的生成第60-63页
        5.2.1 背景视频的生成第60-62页
        5.2.2 背景图像与运动目标的拼接第62-63页
    5.3 实验结果与评价第63-66页
    5.4 本章小结第66-67页
第六章 总结与展望第67-69页
    6.1 总结第67-68页
    6.2 展望第68-69页
参考文献第69-72页
附录 攻读硕士学位期间发表的论文第72-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:基于深度学习的视觉特征在图像检索中的应用
下一篇:水声信道的建模和估计方法的研究