基于语义的视频内容提取与分析关键技术研究

摘要	第1-6页
Abstract	第6-12页
图清单	第12-13页
表清单	第13-14页
注释表	第14-15页
第一章 绪论	第15-23页
·视频数据的特点与视频检索研究的意义	第15-17页
·视频内容提取与检索研究现状	第17-18页
·视频内容提取与检索的应用领域	第18-20页
·本文的主要工作、创新点	第20-21页
·本论文的内容安排和组织结构	第21-23页
第二章 视频内容提取与检索相关技术与问题	第23-38页
·视频内容检索的基本框架	第23-24页
·视频结构分析	第24-26页
·特征提取	第26-29页
·静态特征和运动特征	第28页
·底层特征和高级特征	第28-29页
·视频对象提取	第29-31页
·语义视频对象	第29页
·语义对象的提取	第29-31页
·视频摘要生成	第31-32页
·浏览与检索	第32-33页
·基于语义的视频检索模型	第33-37页
·基于语义的内容层次模型	第34-36页
·基于视觉显著区的四层内容模型	第36-37页
·本章小结	第37-38页
第三章 基于视觉注意模型的感知内容提取	第38-56页
·视觉注意机制	第38-40页
·视觉注意机制的计算模型	第39页
·视觉显著图	第39-40页
·已有视觉显著图检测方法及其缺陷	第40-41页
·一种动态场景中的视觉注意区域检测方法	第41-48页
·轨迹的获取及其分类	第42-43页
·基于轨迹分类的全局运动检测方法	第43-44页
·运动显著区域生成	第44页
·空间显著区域提取	第44-45页
·运动优先的时空动态混合	第45-46页
·实验结果及分析	第46-48页
·基于时空模型的快速视频显著区域检测	第48-54页
·运动显著区域快速生成	第48-49页
·特征点运动轨迹的自适应模糊聚类	第49-50页
·异常数据剔除	第50-51页
·空间显著区域提取	第51-52页
·运动优先的时空动态混合	第52-53页
·实验结果及分析	第53-54页
·本章小结	第54-56页
第四章 监控场景下的视频对象提取	第56-74页
·监控场景中视频对象提取研究的意义	第56-57页
·监控场景下视频对象提取的方法	第57页
·复杂背景下的自适应前景分割算法	第57-67页
·背景差法的回顾	第57-58页
·时间域自适应背景模型	第58-61页
·快速前景检测	第61-62页
·自适应阈值估计	第62-65页
·实验结果及分析	第65-67页
·利用背景聚类的快速前景分割算法	第67-73页
·基于时间域无监督聚类的背景模型	第68-70页
·背景模型的自适应更新	第70-71页
·实验结果及分析	第71-73页
·本章小结	第73-74页
第五章 基于领域知识视频索引的研究	第74-85页
·有监督标注和无监督标注	第74-75页
·无监督标注的特点	第74-75页
·常见视频类型以及查询特点	第75-76页
·融合多特征和领域知识的视频人物索引方法	第76-84页
·视频中人物索引的相关工作	第76-77页
·多种特征融合的人物索引方法	第77-78页
·预处理	第78页
·镜头人物检测	第78-79页
·人物衣着颜色特征	第79-80页
·声音特征	第80-81页
·人物聚类及其修正算法	第81-83页
·实验结果及分析	第83-84页
·本章小结	第84-85页
第六章 基于语义的视频摘要生成方法	第85-97页
·基于关键帧提取的视频摘要方法	第86-87页
·基于视觉注意模型的自适应视频关键帧提取方法	第87-95页
·基于时空显著性的视觉注意度提取	第88-89页
·基于运动优先的视觉注意度生成	第89-90页
·基于视觉注意度的关键帧提取	第90-91页
·实验结果及分析	第91-95页
·本章小结	第95-97页
第七章 总结与展望	第97-100页
·本文的主要研究工作及成果	第97-98页
·不足以及下一步工作	第98-100页
参考文献	第100-110页
致谢	第110-111页
在学期间的研究成果及发表的学术论文	第111页