| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内的研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 1.4 论文结构和主要创新点 | 第12-13页 |
| 第二章 视频检测系统介绍 | 第13-23页 |
| 2.1 通用视频检测模型 | 第13页 |
| 2.2 视频特征的选取 | 第13-20页 |
| 2.2.1 常用音频特征介绍 | 第14-16页 |
| 2.2.2 常用视觉特征介绍 | 第16-20页 |
| 2.3 MPEG7 特征介绍 | 第20-22页 |
| 2.3.1 MPEG7 简介 | 第20页 |
| 2.3.2 MPEG7 音频特征 | 第20-21页 |
| 2.3.3 MPEG7 视觉特征 | 第21-22页 |
| 2.4 常用的视频检测方法 | 第22-23页 |
| 第三章 恐怖暴力视频检测中音视频特征的分析及提取 | 第23-31页 |
| 3.1 待识别视频场景及其特征分析 | 第23-24页 |
| 3.2 MPEG7 音频特征的提取 | 第24-26页 |
| 3.2.1 音频签名描述子 | 第24页 |
| 3.2.2 音频能量描述子 | 第24-25页 |
| 3.2.3 音频频谱质心描述子 | 第25-26页 |
| 3.3 MPEG7 视觉特征的提取 | 第26-31页 |
| 3.3.1 主颜色描述子及视频主颜色的改进 | 第26-28页 |
| 3.3.1.1 主颜色描述子 | 第26-27页 |
| 3.3.1.2 视频主颜色的改进 | 第27-28页 |
| 3.3.2 颜色结构描述子 | 第28页 |
| 3.3.3 边缘直方图描述子 | 第28-29页 |
| 3.3.4 自定义的运动强度描述子 | 第29-31页 |
| 第四章 视频检测模型的研究和建立 | 第31-39页 |
| 4.1 基于神经网络的分类模型 | 第31-32页 |
| 4.2 遗传算法优化的 BP 神经网络 | 第32-36页 |
| 4.2.1 遗传算法概述 | 第32-33页 |
| 4.2.2 遗传算法的实现 | 第33-35页 |
| 4.2.3 BP 网络权值和阈值的优化 | 第35-36页 |
| 4.3 基于遗传算法优化的 BP 神经网络的视频检测模型 | 第36-39页 |
| 4.3.1 用于视频检测的 BP 神经网络设计 | 第37-38页 |
| 4.3.2 遗传算法参数设计 | 第38-39页 |
| 第五章 恐怖暴力视频检测实验及结果分析 | 第39-49页 |
| 5.1 视频检测系统 | 第39-41页 |
| 5.1.1 视频检测系统框架 | 第39-41页 |
| 5.1.2 视频检测算法流程 | 第41页 |
| 5.2 实验数据库的建立 | 第41-42页 |
| 5.3 实验结果及分析 | 第42-49页 |
| 5.3.1 本文提取的特征维数 | 第42-43页 |
| 5.3.2 评价标准 | 第43-44页 |
| 5.3.3 实验结果 | 第44-47页 |
| 5.3.3.1 单个描述子的实验结果 | 第44-45页 |
| 5.3.3.2 单模态特征实验结果 | 第45-46页 |
| 5.3.3.3 双模态特征实验结果 | 第46-47页 |
| 5.3.4 实验结果分析 | 第47-49页 |
| 第六章 结论 | 第49-51页 |
| 6.1 全文总结 | 第49页 |
| 6.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间所取得的相关科研成果 | 第55-57页 |
| 致谢 | 第57页 |