基于形状特征的运动目标分类方法研究
| 学位论文原创性声明和学位论文版权使用授权书 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-24页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·涉及的学科领域 | 第18-20页 |
| ·视频运动分析技术的应用 | 第20-22页 |
| ·本文主要研究工作 | 第22-23页 |
| ·本文组织结构 | 第23-24页 |
| 第2章 目标分类理论基础及相关研究 | 第24-38页 |
| ·图像特征描述 | 第24-31页 |
| ·形状特征 | 第25-27页 |
| ·纹理特征 | 第27-29页 |
| ·颜色特征 | 第29-31页 |
| ·目标分类方法 | 第31-35页 |
| ·基于形状信息的分类 | 第31-33页 |
| ·基于运动特性的分类 | 第33-35页 |
| ·混合方法 | 第35页 |
| ·目标分类相关问题 | 第35-37页 |
| ·运动目标的定位问题 | 第35-36页 |
| ·有监督学习与半监督学习 | 第36-37页 |
| ·场景相关知识在分类中的作用 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于形状特征的目标分类算法 | 第38-53页 |
| ·目标分类问题描述 | 第38-39页 |
| ·本文目标分类问题描述 | 第38页 |
| ·目标分类问题尚未很好解决 | 第38-39页 |
| ·解决目标分类问题的价值 | 第39页 |
| ·算法思路及目标分类的预处理 | 第39-43页 |
| ·算法思路 | 第39-40页 |
| ·目标检测 | 第40-43页 |
| ·目标跟踪 | 第43页 |
| ·运动目标特征提取与表示 | 第43-47页 |
| ·视频图像的两种特征 | 第44页 |
| ·特征选择 | 第44-47页 |
| ·分类器构造 | 第47-52页 |
| ·支持向量机理论 | 第47-50页 |
| ·多类支持向量机 | 第50-51页 |
| ·特征训练 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 实验与分析 | 第53-64页 |
| ·引言 | 第53页 |
| ·实验步骤 | 第53-54页 |
| ·实验结果 | 第54-57页 |
| ·发现的问题 | 第57-58页 |
| ·提高目标分类性能的技术 | 第58-62页 |
| ·采用隔帧分类的思想 | 第58-59页 |
| ·利用时间一致性约束 | 第59-60页 |
| ·利用场景相关特征 | 第60-62页 |
| ·实验比较 | 第62页 |
| ·本章小结 | 第62-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录 A 攻读学位期间完成的论文和参加的项目 | 第71-72页 |
| 致谢 | 第72页 |
