基于商标匹配的视频广告识别
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-9页 |
| 目录 | 第9-12页 |
| 1 引言 | 第12-17页 |
| ·研究背景及意义 | 第12页 |
| ·基于内容的视频广告识别 | 第12-14页 |
| ·视频广告中语义关键帧的特征 | 第14页 |
| ·图像匹配方法 | 第14-16页 |
| ·本文主要内容及结构安排 | 第16-17页 |
| 2 广告商标库建立 | 第17-22页 |
| ·广告商标库 | 第17页 |
| ·网络爬虫 | 第17-18页 |
| ·爬虫建立步骤及运行环境 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于显著区域与局部特征的商标匹配 | 第22-37页 |
| ·概述 | 第22-23页 |
| ·SURF匹配 | 第23-27页 |
| ·SURF特征提取与匹配原则 | 第23-27页 |
| ·SURF匹配在广告识别中的不足 | 第27页 |
| ·显著区域检测 | 第27-29页 |
| ·对广告帧的预处理 | 第29-30页 |
| ·判决准则 | 第30-31页 |
| ·匹配点对过滤 | 第30-31页 |
| ·匹配率 | 第31页 |
| ·实验结果与分析 | 第31-36页 |
| ·实验系统介绍 | 第31-32页 |
| ·数据库收集 | 第32-33页 |
| ·匹配率的确定 | 第33-34页 |
| ·商标库1中的实验结果与分析 | 第34页 |
| ·商标库2中的实验结果与分析 | 第34-36页 |
| ·商标匹配各阶段耗时统计 | 第36页 |
| ·本章小结 | 第36-37页 |
| 4 基于分层匹配策略的商标匹配 | 第37-54页 |
| ·问题描述 | 第37页 |
| ·词袋(BAG OF WORDS,BOW)模型 | 第37-42页 |
| ·Bag of words介绍 | 第37-38页 |
| ·K-Means聚类算法 | 第38-39页 |
| ·相似性度量 | 第39-40页 |
| ·Bag-of-words模型的构造步骤 | 第40-42页 |
| ·分层匹配的效率分析 | 第42-43页 |
| ·基于BOW的全局描述 | 第43-45页 |
| ·商标类自适应阈值的确定 | 第45-46页 |
| ·基于层次匹配的整体框架图 | 第46-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·实验环境配置 | 第48页 |
| ·实验数据库组成 | 第48-50页 |
| ·粗匹配维数确定 | 第50页 |
| ·商标类自适应阈值示例 | 第50-51页 |
| ·商标类滤除结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 总结和展望 | 第54-56页 |
| ·论文工作总结 | 第54页 |
| ·工作展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 硕士期间工作成果 | 第58-59页 |
| 作者简介 | 第59-61页 |
| 学位论文数据集 | 第61页 |
