| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 相关项目 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 视频事件描述技术基础 | 第15-26页 |
| 2.1 视频事件描述模型概述 | 第15-18页 |
| 2.1.1 基于标注的模型 | 第15-16页 |
| 2.1.2 丰富语义模型 | 第16-17页 |
| 2.1.3 模型特点 | 第17-18页 |
| 2.2 视频描述技术 | 第18-19页 |
| 2.2.1 MPEG-7多媒体内容描述接口 | 第18-19页 |
| 2.2.2 视频结构化描述技术 | 第19页 |
| 2.3 视频结构化描述中的本体技术 | 第19-23页 |
| 2.3.1 本体的概念 | 第19-20页 |
| 2.3.2 本体构成要素 | 第20-21页 |
| 2.3.3 本体描述逻辑 | 第21-22页 |
| 2.3.4 本体构建工具 | 第22-23页 |
| 2.4 深度学习识别技术 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 视频事件结构化描述模型研究 | 第26-44页 |
| 3.1 视频事件结构化描述模型设计思路 | 第26-30页 |
| 3.1.1 视频事件的概念 | 第26-28页 |
| 3.1.2 视频事件结构化描述模型框架 | 第28-30页 |
| 3.2 交通视频事件结构化模型 | 第30-34页 |
| 3.2.1 交通视频事件结构化类 | 第30-33页 |
| 3.2.2 交通领域本体 | 第33-34页 |
| 3.3 基于领域本体的交通结构化模型的实现 | 第34-39页 |
| 3.3.1 Protege平台介绍 | 第34-35页 |
| 3.3.2 利用Protege构建交通交通领域本体 | 第35-36页 |
| 3.3.3 关系数据库与本体的转换算法 | 第36-39页 |
| 3.4 相关实验及分析 | 第39-43页 |
| 3.4.1 结构化描述模型创建实验 | 第39-41页 |
| 3.4.2 交通视频事件实例创建实验 | 第41-42页 |
| 3.4.3 模型效果评价实验 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 交通对象识别检测方法与逻辑描述研究 | 第44-66页 |
| 4.1 交通对象语义描述问题分析 | 第44-46页 |
| 4.2 基于CNN的交通对象识别检测方法 | 第46-51页 |
| 4.2.1 卷积神经网络介绍 | 第46-47页 |
| 4.2.2 针对交通视频对象识别的CNN结构设计 | 第47-48页 |
| 4.2.3 CNN训练参数优化算法 | 第48-50页 |
| 4.2.4 基于R-CNN的交通对象检测方法 | 第50-51页 |
| 4.3 基于逻辑描述的交通对象语义映射 | 第51-57页 |
| 4.3.1 RCC的对象空间拓扑关系集 | 第51页 |
| 4.3.2 基于RCC-5的交通对象空间拓扑关系映射 | 第51-53页 |
| 4.3.3 投影模型对象空间方向关系集 | 第53-54页 |
| 4.3.4 基于井字投影的交通对象方向拓扑关系映射 | 第54-55页 |
| 4.3.5 对象一致性推理 | 第55-57页 |
| 4.4 交通对象描述实验与分析 | 第57-65页 |
| 4.4.1 卷积神经网络实验环境搭建 | 第57-58页 |
| 4.4.2 基于CNN的交通对象分类训练实验 | 第58-61页 |
| 4.4.3 基于R-CNN的交通对象检测实验 | 第61-62页 |
| 4.4.4 交通对象语义推理算法验证与实验 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 交通视频事件语义表达研究 | 第66-84页 |
| 5.1 交通事件语义描述 | 第66-68页 |
| 5.1.1 视频事件本体结构介绍 | 第66-67页 |
| 5.1.2 基于结构化描述模型的事件语义表达 | 第67-68页 |
| 5.2 基于本体的交通事件描述识别 | 第68-76页 |
| 5.2.1 事件场景上下文 | 第68-69页 |
| 5.2.2 基于场景上下文的的交通事件描述 | 第69-72页 |
| 5.2.3 基于贝叶斯分类器的简单交通事件识别 | 第72-75页 |
| 5.2.4 基于有限状态自动机的复杂交通事件识别 | 第75-76页 |
| 5.3 交通事件描述实验与分析 | 第76-83页 |
| 5.3.1 实验准备 | 第76-77页 |
| 5.3.2 场景上下文设定 | 第77-78页 |
| 5.3.3 交通事件描述实验 | 第78-80页 |
| 5.3.4 交通事件识别实验 | 第80-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 论文工作总结 | 第84-85页 |
| 6.2 未来工作展望 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第89-90页 |
| 致谢 | 第90页 |
