基于对象的视频浓缩及分类
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文主要成果 | 第13-14页 |
| 1.5 论文内容安排 | 第14-16页 |
| 第二章 背景建模 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 背景建模方法 | 第16-23页 |
| 2.2.1 线性判别法 | 第17-19页 |
| 2.2.2 混合高斯模型法 | 第19-23页 |
| 2.3 背景建模特征 | 第23-26页 |
| 2.3.1 颜色特征 | 第23-26页 |
| 2.4 实验结果及分析 | 第26-28页 |
| 2.5 背景模型预建模 | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 前景预处理 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 光强突变抑制 | 第32-35页 |
| 3.2.1 基于幂律变换的光强突变抑制 | 第32-33页 |
| 3.2.2 基于Retinex算法的光强突变抑制 | 第33-34页 |
| 3.2.3 实验结果及分析 | 第34-35页 |
| 3.3 阴影抑制 | 第35-43页 |
| 3.3.1 SILTP纹理特征 | 第35-36页 |
| 3.3.2 基于SILTP特征的阴影抑制 | 第36-41页 |
| 3.3.3 实验结果对比及分析 | 第41-43页 |
| 3.4 形态学滤波 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 前景信息提取 | 第46-64页 |
| 4.1 引言 | 第46页 |
| 4.2 前景位置信息 | 第46-49页 |
| 4.2.1 种子填充算法 | 第47-48页 |
| 4.2.2 基于轮廓检测的连通区域查找算法 | 第48-49页 |
| 4.3 前景颜色信息 | 第49-50页 |
| 4.4 前景类别信息 | 第50-55页 |
| 4.4.1 人工神经网络 | 第50-52页 |
| 4.4.2 卷积神经网络 | 第52-54页 |
| 4.4.3 实验结果对比及分析 | 第54-55页 |
| 4.5 前景方向信息 | 第55-57页 |
| 4.6 目标跟踪 | 第57-62页 |
| 4.6.1 提取前景跟踪特征 | 第57-59页 |
| 4.6.2 前景匹配及目标跟踪 | 第59-60页 |
| 4.6.3 目标信息整合 | 第60页 |
| 4.6.4 实验结果及分析 | 第60-62页 |
| 4.7 本章小结 | 第62-64页 |
| 第五章 监控视频浓缩 | 第64-72页 |
| 5.1 引言 | 第64页 |
| 5.2 基于前景片段融合的浓缩算法 | 第64-70页 |
| 5.2.1 浓缩策略 | 第65-66页 |
| 5.2.2 融合条件 | 第66-68页 |
| 5.2.3 重叠前景处理方法 | 第68-69页 |
| 5.2.4 根据查询条件浓缩 | 第69-70页 |
| 5.3 实验结果 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 基于对象的视频浓缩及分类系统设计 | 第72-76页 |
| 6.1 系统框架图 | 第72-73页 |
| 6.2 系统环境 | 第73页 |
| 6.3 系统流程图 | 第73-74页 |
| 6.4 系统设计难点及解决方案 | 第74页 |
| 6.4.1 摘要子系统难点及解决方案 | 第74页 |
| 6.4.2 浓缩子系统难点及解决方案 | 第74页 |
| 6.5 系统综合处理能力 | 第74-76页 |
| 第七章 总结与展望 | 第76-78页 |
| 7.1 本文总结 | 第76页 |
| 7.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
