视频多模态信息处理的关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-26页 |
| ·研究背景及意义 | 第12-13页 |
| ·相关技术的研究现状 | 第13-21页 |
| ·语音流检测研究现状 | 第14-15页 |
| ·说话人识别技术 | 第15-16页 |
| ·运动目标检测技术 | 第16-19页 |
| ·运动目标跟踪技术 | 第19-21页 |
| ·视频多模态信息处理框架 | 第21-22页 |
| ·论文的研究内容 | 第22-24页 |
| ·论文的组织结构 | 第24-26页 |
| 第2章 基于高阶统计量的语音流检测算法 | 第26-46页 |
| ·引言 | 第26页 |
| ·希尔伯特-黄变换原理 | 第26-30页 |
| ·希尔伯特-黄变换 | 第26-28页 |
| ·希尔伯特-黄变换的步骤 | 第28-30页 |
| ·EMD 的性质 | 第30页 |
| ·边界处理的支持向量回归机方法 | 第30-36页 |
| ·端点飞翼处理问题 | 第30-31页 |
| ·参数的选择 | 第31-33页 |
| ·基于 SVRM 的边界处理算法 | 第33页 |
| ·实验结果与分析 | 第33-36页 |
| ·基于经验模态分解和高阶统计量的语音流检测 | 第36-41页 |
| ·基于高阶统计量的语音流检测算法 | 第38-39页 |
| ·实验及分析 | 第39-41页 |
| ·基于时间边际谱特征的的语音流检测算法 | 第41-44页 |
| ·谱特征提取 | 第42页 |
| ·实验及分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第3章 基于多分类器融合的话者识别算法 | 第46-63页 |
| ·引言 | 第46页 |
| ·语音特征提取 | 第46-54页 |
| ·语音特征参数 | 第46-52页 |
| ·翻转美尔倒谱系数 | 第52-54页 |
| ·多分类器融合的话者识别算法 | 第54-58页 |
| ·多分类融合系统 | 第54-56页 |
| ·基于自适应阈值的开集话者识别算法 | 第56-58页 |
| ·仿真实验结果及分析 | 第58-62页 |
| ·实验数据 | 第58-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于彩色空间向量差的运动目标检测算法 | 第63-86页 |
| ·引言 | 第63-64页 |
| ·基于动态 K 分布数的混合高斯模型改进算法 | 第64-72页 |
| ·自适应混合高斯背景建模方法 | 第64-71页 |
| ·实验及结果分析 | 第71-72页 |
| ·运动目标检测的空间向量差方法 | 第72-84页 |
| ·颜色空间向量表示 | 第72-77页 |
| ·空间向量差法处理流程 | 第77-81页 |
| ·实验结果与分析 | 第81-84页 |
| ·本章小结 | 第84-86页 |
| 第5章 基于 ED 判定的改进的粒子滤波跟踪算法 | 第86-98页 |
| ·引言 | 第86-87页 |
| ·运动目标跟踪算法分析 | 第87-88页 |
| ·传统跟踪算法 | 第87页 |
| ·基于滤波理论的跟踪算法 | 第87-88页 |
| ·基于均值漂移的跟踪算法 | 第88页 |
| ·基于偏微分方程的算法 | 第88页 |
| ·基于欧式距离判断的改进的粒子滤波算法 | 第88-97页 |
| ·粒子滤波的基本原理 | 第89-91页 |
| ·联合多目标概率密度算法 | 第91-92页 |
| ·改进的粒子滤波算法 | 第92-94页 |
| ·实验与结果分析 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 结论 | 第98-100页 |
| 参考文献 | 第100-110页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第110-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
