视频监控中运动对象提取与海量对象快速检索
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第1章 绪论 | 第15-21页 |
| ·研究背景及意义 | 第15-17页 |
| ·关键问题与相关应用 | 第17-18页 |
| ·本文主要研究内容与创新点 | 第18-19页 |
| ·本文的组织结构 | 第19-21页 |
| 第2章 相关技术研究与背景 | 第21-41页 |
| ·视频监控智能分析研究综述 | 第21-23页 |
| ·运动对象提取相关方法与应用 | 第23-28页 |
| ·运动对象提取研究现状 | 第23-26页 |
| ·运动对象摔倒检测 | 第26-28页 |
| ·海量对象快速检索 | 第28-33页 |
| ·相似距离度量 | 第28-29页 |
| ·快速检索方法 | 第29-33页 |
| ·深度学习 | 第33-41页 |
| ·深度学习发展与概述 | 第33-35页 |
| ·深度学习常用模型 | 第35-39页 |
| ·深度学习在图像检索上的应用 | 第39-41页 |
| 第3章 基于局部频域特征的鲁棒运动对象提取 | 第41-51页 |
| ·问题描述 | 第41-43页 |
| ·基于局部频域特征的鲁棒运动对象提取方法 | 第43-47页 |
| ·运动对象提取架构 | 第43页 |
| ·像素级局部频域特征提取 | 第43-45页 |
| ·动态背景建模与更新 | 第45-47页 |
| ·闪烁点消除及后处理 | 第47页 |
| ·实验与分析 | 第47-50页 |
| ·实验设置 | 第47-48页 |
| ·方法对比和分析 | 第48-50页 |
| ·总结 | 第50-51页 |
| 第4章 基于归一化运动能量图的运动对象摔倒检测 | 第51-65页 |
| ·问题描述 | 第51-52页 |
| ·基于归一化运动能量图的运动对象摔倒检测 | 第52-59页 |
| ·摔倒事件检测架构 | 第52-53页 |
| ·运动对象轮廓提取与表示 | 第53-55页 |
| ·归一化运动能量图 | 第55-57页 |
| ·运动特征提取 | 第57页 |
| ·多阶段分类及语法校验方法 | 第57-59页 |
| ·实验与分析 | 第59-63页 |
| ·实验设置 | 第59-60页 |
| ·方法对比和分析 | 第60-63页 |
| ·总结 | 第63-65页 |
| 第5章 支持多特征融合的海量对象哈希检索 | 第65-77页 |
| ·问题描述 | 第65-67页 |
| ·支持多特征融合的海量对象哈希检索方法 | 第67-73页 |
| ·多特征融合哈希学习架构 | 第67页 |
| ·非线性组合核空间构造 | 第67-68页 |
| ·有监督的哈希码学习 | 第68-71页 |
| ·基于非线性多核的哈希函数学习 | 第71-73页 |
| ·实验与分析 | 第73-76页 |
| ·实验设置 | 第74页 |
| ·方法对比和分析 | 第74-76页 |
| ·总结 | 第76-77页 |
| 第6章 基于深度学习的海量对象哈希检索 | 第77-91页 |
| ·相关研究 | 第77-79页 |
| ·基于层叠RBM的深度哈希学习方法 | 第79-83页 |
| ·问题描述 | 第79-80页 |
| ·算法介绍 | 第80-83页 |
| ·基于CNN的深度感知哈希学习方法 | 第83-86页 |
| ·问题描述 | 第83-84页 |
| ·算法介绍 | 第84-86页 |
| ·实验与分析 | 第86-88页 |
| ·实验设置 | 第86页 |
| ·方法对比和分析 | 第86-88页 |
| ·总结 | 第88-91页 |
| 第7章 总结与展望 | 第91-95页 |
| ·论文工作总结 | 第91-92页 |
| ·研究工作展望 | 第92-95页 |
| 参考文献 | 第95-105页 |
| 致谢 | 第105-107页 |
| 在读期间发表的学术论文与取得的研究成果 | 第107-108页 |
