| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 背景建模和前景提取算法研究现状 | 第11-12页 |
| 1.2.2 视频浓缩的研究现状 | 第12-13页 |
| 1.2.3 视频序列多概念对象检测研究现状 | 第13-14页 |
| 1.2.4 视频摘要的研究现状 | 第14-15页 |
| 1.2.5 现有的视频序列数据集 | 第15-16页 |
| 1.3 视频摘要的难点 | 第16页 |
| 1.4 本文的研究内容与主要工作 | 第16-17页 |
| 1.5 本文的结构安排 | 第17-19页 |
| 第二章 视频摘要的技术概述 | 第19-28页 |
| 2.1 ViBe前景检测算法 | 第19-21页 |
| 2.1.1 模型的基本思想 | 第19-20页 |
| 2.1.2 模型的初始化 | 第20页 |
| 2.1.3 模型的更新机制 | 第20-21页 |
| 2.2 视频前景对象提取 | 第21-22页 |
| 2.3 属性学习类别模型的构建 | 第22-27页 |
| 2.3.1 属性分类算法流程概述 | 第22-23页 |
| 2.3.2 属性的获取 | 第23页 |
| 2.3.3 属性提取方法概述 | 第23页 |
| 2.3.4 属性的约简 | 第23-25页 |
| 2.3.5 间接属性预测模型 | 第25-26页 |
| 2.3.6 直接属性预测模型 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于改进ViBe的视频背景建模与浓缩 | 第28-44页 |
| 3.1 概述 | 第28页 |
| 3.2 面向闪烁点和噪点消除的ViBe算法改进 | 第28-31页 |
| 3.2.1 基于计数点阈值的闪烁点去除 | 第28-29页 |
| 3.2.2 基于形态学的噪点消除 | 第29-31页 |
| 3.3 面向鬼影检测与抑制的ViBe算法改进 | 第31-40页 |
| 3.3.1 鬼影产生原因分析 | 第31-32页 |
| 3.3.2 改进策略 | 第32-35页 |
| 3.3.3 改进效果与分析 | 第35-40页 |
| 3.4 基于改进ViBe算法的视频浓缩 | 第40-43页 |
| 3.4.1 基于改进ViBe算法的视频浓缩方法的思路 | 第40页 |
| 3.4.2 数据集和评估指标 | 第40-41页 |
| 3.4.3 实验结果与分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于多核属性学习的视频前景多概念检测与摘要 | 第44-56页 |
| 4.1 概述 | 第44页 |
| 4.2 基于多核学习与直接属性模型的视频概念分类方法 | 第44-49页 |
| 4.2.1 多核学习模型 | 第44-45页 |
| 4.2.2 加权系数的优化求解 | 第45-47页 |
| 4.2.3 基于多核属性学习模型的视频概念分类 | 第47-49页 |
| 4.3 基于属性描述的视频摘要生成 | 第49-50页 |
| 4.3.1 视频摘要中的多概念检测 | 第49-50页 |
| 4.3.2 视频摘要中的概念语义描述与存储 | 第50页 |
| 4.4 实验结果与分析 | 第50-55页 |
| 4.4.1 核函数选择和加权系数优化求解实验分析 | 第50-53页 |
| 4.4.2 基于多核属性模型的视频多概念检测实验分析 | 第53-54页 |
| 4.4.3 视频摘要中属性描述实验分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 视频摘要原型系统的设计与实现 | 第56-70页 |
| 5.1 概述 | 第56页 |
| 5.2 系统的功能分析 | 第56-57页 |
| 5.3 系统的总体框架 | 第57页 |
| 5.4 视频摘要原型系统实现介绍 | 第57-69页 |
| 5.4.1 系统的软硬件环境 | 第57-58页 |
| 5.4.2 系统的核心类设计 | 第58-60页 |
| 5.4.3 原型系统实现概况 | 第60-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 下一步展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表的论文 | 第78页 |
