基于运动检测及跟踪的视频浓缩方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·视频监控的广泛应用和挑战 | 第9-10页 |
| ·智能视频监控 | 第10页 |
| ·视频摘要技术 | 第10-11页 |
| ·课题研究内容和意义 | 第11-13页 |
| ·国内外相关工作 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第二章 视频浓缩基础算法综述 | 第15-28页 |
| ·运动区域检测算法 | 第15-17页 |
| ·帧差法 | 第15-16页 |
| ·背景差分算法 | 第16-17页 |
| ·跟踪算法 | 第17-19页 |
| ·卡尔曼滤波 | 第17-18页 |
| ·粒子滤波 | 第18-19页 |
| ·SIFT特征提取 | 第19-22页 |
| ·生成尺度空间 | 第19-20页 |
| ·计算尺度空间的极值点 | 第20页 |
| ·特征点的精确定位 | 第20-21页 |
| ·确定关键点方向 | 第21-22页 |
| ·生成特征点描述子 | 第22页 |
| ·数据关联算法 | 第22-25页 |
| ·线性优化方法 | 第23-24页 |
| ·联合概率数据关联滤波器 | 第24页 |
| ·多假设跟踪 | 第24-25页 |
| ·蒙特卡洛数据关联算法 | 第25页 |
| ·聚类算法 | 第25-27页 |
| ·层次化聚类算法 | 第25-26页 |
| ·划分式聚类算法 | 第26页 |
| ·谱聚类算法 | 第26-27页 |
| ·其他 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于运动区域检测的视频浓缩方法 | 第28-42页 |
| ·方法总体描述 | 第28-29页 |
| ·事件体检测 | 第29-36页 |
| ·背景建模与前景切分 | 第29-32页 |
| ·二值化图像 | 第32页 |
| ·背景采样 | 第32-34页 |
| ·中值偏移跟踪算法 | 第34-36页 |
| ·事件体归档 | 第36-39页 |
| ·事件体特征提取 | 第36-38页 |
| ·事件体特征聚类 | 第38-39页 |
| ·浓缩展现 | 第39-40页 |
| ·事件片检索 | 第39页 |
| ·浓缩展现 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 原型系统设计及其实现 | 第42-52页 |
| ·系统综述 | 第42-46页 |
| ·系统硬件环境 | 第42页 |
| ·系统软件环境 | 第42页 |
| ·系统的设计实现目标 | 第42-43页 |
| ·系统总体结构 | 第43-44页 |
| ·系统数据流程图 | 第44-46页 |
| ·系统设计 | 第46-51页 |
| ·系统类图 | 第46-47页 |
| ·主要功能类介绍 | 第47-51页 |
| ·界面设计 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 实验结果及性能分析 | 第52-59页 |
| ·系统展示 | 第52-54页 |
| ·性能分析 | 第54-58页 |
| ·前景检测算法性能分析 | 第54-55页 |
| ·事件体检测性能分析 | 第55-57页 |
| ·浓缩性能分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·后续展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 作者攻读学位期间发表的学术论文 | 第64页 |
