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 |