| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 监控视频研究现实意义 | 第10-12页 |
| 1.2 监控视频前景分类研究现状 | 第12-14页 |
| 1.3 本文工作 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-17页 |
| 第二章 监控视频人物前景提取 | 第17-22页 |
| 2.1 高斯混合模型的前景提取 | 第17-19页 |
| 2.2 非人物前景视频过滤 | 第19-21页 |
| 2.3 人物前景关键帧提取 | 第21-22页 |
| 第三章 基于稀疏表示子空间聚类算法 | 第22-40页 |
| 3.1 前景人物特征提取 | 第22-29页 |
| 3.1.1 基于颜色块的人物建模 | 第23-27页 |
| 3.1.2 纹理特征提取 | 第27-28页 |
| 3.1.3 Bag of Words特征提取 | 第28-29页 |
| 3.2 基于典型关联分析的特征融合 | 第29-32页 |
| 3.2.1 常用特征融合技术 | 第29-30页 |
| 3.2.2 基于典型关联性的融合方法 | 第30-32页 |
| 3.3 基于低秩的稀疏矩阵表示的子空间聚类 | 第32-40页 |
| 3.3.1 传统子空间聚类算法 | 第32-33页 |
| 3.3.2 基于低秩的稀疏矩阵子空间聚类 | 第33-36页 |
| 3.3.3 基于低秩的稀疏矩阵表示的子空间聚类算法 | 第36-40页 |
| 第四章 人物前景聚类效果展示 | 第40-51页 |
| 4.1 实验平台及数据 | 第40-41页 |
| 4.2 实验效果展示 | 第41-47页 |
| 4.2.1 颜色块模型效果 | 第43-44页 |
| 4.2.2 典型关联分析的特征融合的效果 | 第44-45页 |
| 4.2.3 基于稀疏矩阵的子空间聚类的效果 | 第45-47页 |
| 4.3 算法的应用 | 第47-49页 |
| 4.4 算法的不足 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 本文工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 科研成果 | 第58-59页 |
| 致谢 | 第59-61页 |