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

运动视频标注算法研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-15页
    1.1 研究背景及意义第9-10页
    1.2 国内外相关课题的研究现状第10-13页
        1.2.1 基于分类的标注算法第10-12页
        1.2.2 其他标注方法第12-13页
        1.2.3 基于分类的视频标注框架第13页
    1.3 本文研究内容及组织结构第13-15页
第二章 视频关键帧提取第15-22页
    2.1 概述第15页
    2.2 基于镜头的关键帧提取方法第15页
    2.3 基于图像特征的关键帧提取方法第15-17页
        2.3.1 基于颜色特征的方法第15-17页
        2.3.2 基于运动分析的方法第17页
    2.4 基于抽样的关键帧提取方法第17-18页
    2.5 基于聚类的关键帧提取方法第18-19页
    2.6 本章实验结果及分析第19-21页
        2.6.1 关键帧提取方法评价标准第19-20页
        2.6.2 实验结果及分析第20-21页
    2.7 本章小结第21-22页
第三章 人体运动特征表示及提取第22-34页
    3.1 概述第22页
    3.2 人体结构模型第22-25页
    3.3 前景突出第25-29页
        3.3.1 Graph Cut第26-28页
        3.3.2 Grab Cut第28-29页
    3.4 图像解析第29-30页
    3.5 人体骨架特征提取及表示第30-32页
    3.6 实验第32-33页
    3.7 本章小结第33-34页
第四章 基于多分类SVM的视频标注算法第34-47页
    4.1 概述第34页
    4.2 SVM分类算法第34-40页
        4.2.1 线性二分类SVM第34-37页
        4.2.2 非线性二分类SVM第37-38页
        4.2.3 核函数第38-39页
        4.2.4 多分类SVM第39-40页
    4.3 基于多分类SVM的运动视频标注第40-41页
    4.4 实验结果及分析第41-45页
        4.4.1 实验设计第41-42页
        4.4.2 实验第42-43页
        4.4.3 评价标准第43页
        4.4.4 实验结果及分析第43-44页
        4.4.5 对比实验第44-45页
    4.5 本章小结第45-47页
第五章 运动视频标注实现第47-55页
    5.1 多分类SVM分类器的训练过程第47-50页
    5.2 运动视频标注第50-53页
    5.3 本章总结第53-55页
第六章 总结与展望第55-57页
    6.1 本文工作总结第55-56页
    6.2 进一步研究方向第56-57页
参考文献第57-59页
附录1 攻读硕士学位期间撰写的论文第59-60页
附录2 攻读硕士学位期间申请的专利第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:具有结构色的金属氧化物的制备及表征
下一篇:陶艺青年的身份认同研究