基于多维特征提取的视频内容识别系统设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词表 | 第11-12页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 视频目标检测 | 第14-15页 |
| 1.2.2 图像分类和视频分类 | 第15-16页 |
| 1.2.3 音频内容识别 | 第16-17页 |
| 1.2.4 图像与音频综合的视频内容识别 | 第17-18页 |
| 1.2.5 镜头边界检测 | 第18-19页 |
| 1.3 本论文的主要研究内容与贡献 | 第19-20页 |
| 1.4 本论文的组织结构 | 第20-22页 |
| 2 论文相关知识介绍 | 第22-36页 |
| 2.1 开发平台 | 第22-24页 |
| 2.1.1 视频处理平台 | 第22-23页 |
| 2.1.2 机器学习平台 | 第23页 |
| 2.1.3 深度学习平台 | 第23-24页 |
| 2.2 传统图像特征 | 第24-28页 |
| 2.2.1 RGB特征 | 第25页 |
| 2.2.2 方向梯度直方图 | 第25-26页 |
| 2.2.3 尺度不变特征变换 | 第26-28页 |
| 2.3 音频特征 | 第28-29页 |
| 2.3.1 短时过零率 | 第28-29页 |
| 2.3.2 短时傅里叶变换和色度特征 | 第29页 |
| 2.4 机器学习算法 | 第29-33页 |
| 2.4.1 决策树与随机森林 | 第30-32页 |
| 2.4.2 支持向量机 | 第32-33页 |
| 2.5 卷积神经网络 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 系统设计与数据处理 | 第36-47页 |
| 3.1 系统设计 | 第36-37页 |
| 3.2 数据来源及获取方式 | 第37-39页 |
| 3.3 镜头边界检测 | 第39-43页 |
| 3.3.1 渐变与突变 | 第39-40页 |
| 3.3.2 相邻帧的曼哈顿距离 | 第40页 |
| 3.3.3 曼哈顿距离差分 | 第40-42页 |
| 3.3.4 阈值选择 | 第42-43页 |
| 3.4 数据集分析 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于深度卷积激活特征的镜头分类 | 第47-59页 |
| 4.1 问题描述 | 第47-48页 |
| 4.2 选择神经网络模型 | 第48-51页 |
| 4.3 镜头的深度卷积激活特征 | 第51-56页 |
| 4.3.1 图像特征 | 第51-54页 |
| 4.3.2 镜头特征 | 第54-56页 |
| 4.4 训练镜头分类器 | 第56-58页 |
| 4.4.1 特征降维 | 第56-57页 |
| 4.4.2 训练分类器 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 广告视频内容识别 | 第59-71页 |
| 5.1 利用图像特征进行视频识别 | 第59-63页 |
| 5.1.1 SIFT匹配效果 | 第59-61页 |
| 5.1.2 匹配得分 | 第61-63页 |
| 5.2 利用音频特征进行视频识别 | 第63-67页 |
| 5.2.1 过零率特征匹配 | 第63-64页 |
| 5.2.2 色度特征匹配 | 第64-67页 |
| 5.3 综合图像与音频方法进行视频识别 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 6 总结及展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 学位论文数据集 | 第79页 |
