首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--电子计算机在公路运输和公路工程中的应用论文

基于语义内容的交通监控视频检索研究

中文摘要第3-4页
英文摘要第4页
1 绪论第8-14页
    1.1 研究背景和意义第8-10页
        1.1.1 研究背景第8页
        1.1.2 研究意义第8-10页
    1.2 研究现状第10-12页
        1.2.1 基于文本的视频检索第10页
        1.2.2 基于图像内容的视频检索第10-11页
        1.2.3 基于语义的视频检索第11-12页
    1.3 研究目标和研究内容第12页
    1.4 本文的结构安排第12-13页
    1.5 本章小结第13-14页
2 视频检索关键技术第14-25页
    2.1 视频基础第14-15页
        2.1.1 视频特征与标准第14页
        2.1.2 视频相关专业词汇介绍第14-15页
    2.2 视频结构分析第15-20页
        2.2.1 镜头边界检测第15-18页
        2.2.2 关键帧提取第18-19页
        2.2.3 场景分割第19-20页
    2.3 特征提取第20-23页
        2.3.1 统计特征第20-21页
        2.3.2 对象特征第21页
        2.3.3 SIFT特征第21-23页
    2.4 视频检索第23-24页
        2.4.1 查询类型第23-24页
    2.5 本章小结第24-25页
3 语义网关键技术第25-34页
    3.1 引言第25-26页
        3.1.1 语义网的产生背景第25页
        3.1.2 语义网的设计方案第25页
        3.1.3 语义网的经典层次结构第25-26页
    3.2 本体第26-30页
        3.2.1 本体描述语言第26-27页
        3.2.2 本体编辑工具第27-28页
        3.2.3 本体的逻辑推理规则第28页
        3.2.4 本体推理工具第28-29页
        3.2.5 本体查询语言SPARQL第29-30页
    3.3 领域本体构建流程第30-33页
        3.3.1 需求分析第30页
        3.3.2 本体创建第30-31页
        3.3.3 本体改进第31-33页
        3.3.4 本体评估第33页
    3.4 本章小结第33-34页
4 交通监控视频事件检索系统第34-44页
    4.1 交通监控视频事件检索系统模型概述第34-36页
        4.1.1 基于关键字匹配的传统文本检索模型第34-35页
        4.1.2 基于图像匹配的视频检索模型第35-36页
        4.1.3 结合关键字和图像的视频检索模型第36页
    4.2 基于本体的交通监控视频事件检索模型第36-37页
    4.3 道路交通事件领域本体构建第37-43页
        4.3.1 道路交通事件领域本体知识的获取第38页
        4.3.2 基于道路交通事件的语义模型第38-42页
        4.3.3 基于道路交通领域本体的语义扩展第42-43页
    4.4 本章小结第43-44页
5 交通视频事件检索系统实现及实验结果分析第44-53页
    5.1 交通视频事件检索系统实现第44-47页
        5.1.1 交通视频事件检索系统框架描述第44-45页
        5.1.2 交通视频事件检索系统各功能模块说明第45-47页
    5.2 实验环境第47-48页
        5.2.1 实验平台第47页
        5.2.2 实验数据集第47-48页
    5.3 评价指标第48-49页
    5.4 基于图像匹配的视频检索实验第49-51页
        5.4.1 实验说明第49-50页
        5.4.2 实验结果分析第50-51页
    5.5 基于语义的查询扩展实验第51-52页
        5.5.1 实验说明第51页
        5.5.2 实验结果分析第51-52页
    5.6 本章小结第52-53页
6 总结和展望第53-54页
    6.1 工作总结第53页
    6.2 工作展望第53-54页
致谢第54-55页
参考文献第55-62页
附录第62页
    A.作者攻读学位期间的成果目录第62页
    B.作者在攻读学位期间的参与的项目第62页

论文共62页,点击 下载论文
上一篇:基于加权核稀疏表示的人脸识别方法研究
下一篇:基于RFID电子车牌数据的城市道路交通拥堵状态判别研究