| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-36页 |
| ·研究背景及意义 | 第14-15页 |
| ·相关的MPEG国际标准 | 第15-16页 |
| ·多媒体内容描述接口MPEG-7 | 第15-16页 |
| ·视频分析与检索关键技术及研究现状 | 第16-26页 |
| ·视频结构化分析 | 第17-20页 |
| ·视频摘要 | 第20页 |
| ·视频语义分析和提取 | 第20-22页 |
| ·视频数据模型 | 第22页 |
| ·视频数据索引及视频检索 | 第22-24页 |
| ·现有的原型系统 | 第24-26页 |
| ·TRECVID国际评测 | 第26-28页 |
| ·论文的主要工作和安排 | 第28-31页 |
| ·论文的主要研究工作 | 第28-30页 |
| ·论文的主要结构 | 第30-31页 |
| 参考文献 | 第31-36页 |
| 第二章 视觉底层特征的性能评估 | 第36-68页 |
| ·引言 | 第36页 |
| ·相关工作 | 第36-38页 |
| ·视觉底层特征 | 第38-50页 |
| ·基于关键点的特征 | 第38-44页 |
| ·基于纹理信息的特征 | 第44-46页 |
| ·基于边缘信息的特征 | 第46-48页 |
| ·基于颜色信息的特征 | 第48-50页 |
| ·视觉底层特征处理 | 第50-52页 |
| ·基于局部特征点的图像特征维数归一化 | 第50-51页 |
| ·特征值的归一化 | 第51-52页 |
| ·视觉底层特征的性能评估 | 第52-58页 |
| ·实验系统框架 | 第52-53页 |
| ·实验数据 | 第53-55页 |
| ·实验评估及分析 | 第55-58页 |
| ·Multi-Layer SIFT算法 | 第58-64页 |
| ·ML-SIFT合理性分析 | 第58-60页 |
| ·ML-SIFT特征的融合 | 第60页 |
| ·ML-SIFT算法的性能 | 第60-62页 |
| ·实验设置 | 第60-61页 |
| ·相邻阶之间子抽样率变化对性能的影响 | 第61-62页 |
| ·ML-SIFT算法的性能测试 | 第62-63页 |
| ·ML-SIFT算法的稳定性 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 第三章 高层语义提取中的融合算法 | 第68-90页 |
| ·引言 | 第68页 |
| ·高层语义提取及相关工作 | 第68-71页 |
| ·任务概述 | 第68-69页 |
| ·相关工作 | 第69-71页 |
| ·视频数据的标注方法 | 第71-72页 |
| ·决策级融合算法 | 第72-74页 |
| ·提出的新融合算法 | 第74-77页 |
| ·基于最仕选择的混合融合算法 | 第74-76页 |
| ·基于不同标注的融合算法 | 第76-77页 |
| ·实验设置 | 第77-80页 |
| ·高层语义提取系统框架及数据 | 第77-79页 |
| ·使用的视觉低层特征 | 第79-80页 |
| ·分类器训练及评价准则 | 第80页 |
| ·基于最佳选择的混合融合算法的性能 | 第80-82页 |
| ·基于不同标注的融合算法的性能 | 第82-86页 |
| ·标注一致性对算法性能的影响 | 第82-84页 |
| ·标注重叠程度对算法性能的影响 | 第84-85页 |
| ·基于不同标注的融合算法的性能 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 第四章 KTH动作数据集的评估协议 | 第90-107页 |
| ·引言 | 第90页 |
| ·动作识别的相关工作 | 第90-92页 |
| ·所使用的识别算法 | 第92-95页 |
| ·时空局部特征-MoSIFT | 第92-94页 |
| ·支持向量机 | 第94-95页 |
| ·数据集及数据集划分 | 第95-96页 |
| ·数据集 | 第95-96页 |
| ·数据集划分方法 | 第96页 |
| ·交叉实验方法 | 第96-97页 |
| ·实验评估及性能分析 | 第97-103页 |
| ·实验设置 | 第97页 |
| ·码书大小对算法性能的影响 | 第97-99页 |
| ·交叉实验方法对算法性能的影响 | 第99-100页 |
| ·数据集划分对算法性能的影响 | 第100-103页 |
| ·不同交叉实验方法下数据集划分对算法性能的影响 | 第101页 |
| ·不同场景下数据集划分对算法性能的影响 | 第101-103页 |
| ·本章小结 | 第103-104页 |
| 参考文献 | 第104-107页 |
| 第五章 大规模数据集中数据不平衡问题 | 第107-127页 |
| ·引言 | 第107-108页 |
| ·相关工作 | 第108-109页 |
| ·增强等级结构算法 | 第109-112页 |
| ·增强等级结构算法在TRECVID高层语义提取上的性能 | 第112-118页 |
| ·实验设置 | 第112-114页 |
| ·分类器模型的选择 | 第114-115页 |
| ·增强等级结构算法在不同类型特征下的性能 | 第115-118页 |
| ·增强等级结构算法在TRECVID视频监控上的性能 | 第118-122页 |
| ·实验设置 | 第118-121页 |
| ·增强等级结构算法在TRECVID事件检测中的性能 | 第121-122页 |
| ·本章小结 | 第122-123页 |
| 参考文献 | 第123-127页 |
| 第六章 家庭医疗设备使用的监督 | 第127-153页 |
| ·引言 | 第127-128页 |
| ·相关工作 | 第128-131页 |
| ·需求分析 | 第131-132页 |
| ·系统设计 | 第132-139页 |
| ·测试环境的设置及视频录制 | 第133-135页 |
| ·视频中动作描述 | 第135页 |
| ·传感器信息的融合 | 第135-138页 |
| ·动作的序列信息 | 第138-139页 |
| ·模型的训练 | 第139页 |
| ·实验评估及分析 | 第139-149页 |
| ·实验设置 | 第139-141页 |
| ·操作步骤的聚类 | 第141-143页 |
| ·视频传感器信息的融合 | 第143-145页 |
| ·分类器模型训练 | 第145-146页 |
| ·操作步骤的序列性 | 第146-147页 |
| ·电子传感器的应用 | 第147-148页 |
| ·视频训练样本的数目 | 第148-149页 |
| ·本章小结 | 第149-150页 |
| 参考文献 | 第150-153页 |
| 第七章 总结与展望 | 第153-156页 |
| ·论文工作总结 | 第153-155页 |
| ·未来工作建议 | 第155-156页 |
| 致谢 | 第156-157页 |
| 攻读博士期间发表的论文目录 | 第157-158页 |
