| 目录 | 第2-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景以及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 针对不良图片的识别技术 | 第8-9页 |
| 1.2.2 针对不良视频的检测技术 | 第9页 |
| 1.3 本文的主要内容与章节安排 | 第9-11页 |
| 第二章 皮肤检测算法研究 | 第11-28页 |
| 2.1 皮肤颜色检测 | 第11-18页 |
| 2.1.1 常用颜色空间 | 第11-14页 |
| 2.1.2 建立肤色模型 | 第14-16页 |
| 2.1.3 肤色模型与颜色空间的选择 | 第16-18页 |
| 2.2 皮肤纹理检测 | 第18-23页 |
| 2.2.1 常用的纹理分析方法分类 | 第18-19页 |
| 2.2.2 纹理特征在肤色检测中的应用 | 第19-23页 |
| 2.3 形态学处理 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 人体敏感部位检测 | 第28-43页 |
| 3.1 胸部的颜色特征 | 第28-31页 |
| 3.1.1 胸部图像特征转换 | 第28-30页 |
| 3.1.2 胸部图像特征增强 | 第30-31页 |
| 3.2 基于AdaBoost的敏感部位检测 | 第31-41页 |
| 3.2.1 AdaBoost算法 | 第31-32页 |
| 3.2.2 级联AdaBoost目标检测算法 | 第32-34页 |
| 3.2.3 应用AdaBoost算法实现敏感部位检测 | 第34-38页 |
| 3.2.4 应用LBP特征检测敏感部位 | 第38-40页 |
| 3.2.5 实验结果与改进方法 | 第40-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第四章 基于周期运动检测的不良视频检测 | 第43-56页 |
| 4.1 视频镜头分割 | 第43-47页 |
| 4.1.1 直接灰度差方法 | 第43-44页 |
| 4.1.2 基于直方图的方法 | 第44-45页 |
| 4.1.3 基于边缘的方法 | 第45-46页 |
| 4.1.4 基于特征点匹配的方法 | 第46-47页 |
| 4.2 利用周期运动检测不良视频算法 | 第47-55页 |
| 4.2.1 利用Lucas-Kanade光流法追踪物体运动轨迹 | 第47-51页 |
| 4.2.2 根据特征点运动轨迹检测周期运动 | 第51-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 基于SVM的不良视频检测系统设计 | 第56-77页 |
| 5.1 支持向量机(SVM)概述 | 第56-61页 |
| 5.1.1 支持向量机原理 | 第56-60页 |
| 5.1.2 LIBSVM简介 | 第60-61页 |
| 5.2 特征值选取与不良视频检测算法 | 第61-64页 |
| 5.2.1 特征选取与单帧图像检测 | 第61-63页 |
| 5.2.2 不良视频检测流程 | 第63-64页 |
| 5.3 系统功能设计 | 第64-66页 |
| 5.4 测试与实验 | 第66-76页 |
| 5.4.1 颜色空间对比与选择 | 第66-67页 |
| 5.4.2 SVM训练与参数选择 | 第67-75页 |
| 5.4.3 不良视频检测实验 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |