摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第13-19页 |
1.1 课题背景与研究意义 | 第13-14页 |
1.2 国内外研究和发展现状 | 第14-16页 |
1.2.1 图像中相机运动估计和复原 | 第14-15页 |
1.2.2 视频中的动作检测 | 第15-16页 |
1.3 本文研究内容与创新点 | 第16-18页 |
1.4 本文的组织结构 | 第18-19页 |
第2章 图像中相机运动的估计和优化 | 第19-31页 |
2.1 概述 | 第19-20页 |
2.2 相关工作 | 第20-22页 |
2.3 可分解运动核 | 第22-23页 |
2.4 利用可分解的轨迹进行去卷积 | 第23-27页 |
2.4.1 轨迹提取 | 第23-25页 |
2.4.2 随机轨迹扰动 | 第25-26页 |
2.4.3 基于轨迹的求解 | 第26-27页 |
2.5 实验结果和讨论 | 第27-28页 |
2.6 本章小节 | 第28-31页 |
第3章 夜景图中的相机运动估计和分析 | 第31-53页 |
3.1 概述 | 第31-33页 |
3.2 相关工作 | 第33-36页 |
3.2.1 图像先验 | 第34页 |
3.2.2 运动核先验 | 第34-35页 |
3.2.3 高亮区域 | 第35-36页 |
3.3 函数形式的运动核估计 | 第36-37页 |
3.4 非均匀运动核选择 | 第37-42页 |
3.4.1 夜景中高亮区域检测 | 第38页 |
3.4.2 函数化运动核初始化 | 第38-40页 |
3.4.3 空间非均匀运动核初始化 | 第40-42页 |
3.5 通过推断出来的运动核去模糊 | 第42-44页 |
3.5.1 非均匀运动核估计 | 第42-44页 |
3.5.2 非盲卷积 | 第44页 |
3.6 实验结果 | 第44-51页 |
3.6.1 参数设置和实现细节 | 第45页 |
3.6.2 函数化表征的有效性 | 第45-48页 |
3.6.3 非均匀运动核选择 | 第48页 |
3.6.4 通用方法对比 | 第48页 |
3.6.5 基于饱和/高亮的方法对比 | 第48-49页 |
3.6.6 合成图像上的对比 | 第49页 |
3.6.7 不足和讨论 | 第49-51页 |
3.7 本章小结 | 第51-53页 |
第4章 视频中运动分析:摔倒检测 | 第53-67页 |
4.1 概述 | 第53-55页 |
4.2 系统框架 | 第55-56页 |
4.2.1 系统框架 | 第55-56页 |
4.3 系统特征设计 | 第56-61页 |
4.3.1 设计特征 | 第56-59页 |
4.3.2 特征编码(feature encoding) | 第59-61页 |
4.4 实验部分 | 第61-65页 |
4.4.1 摔倒数据集 | 第61-62页 |
4.4.2 实现细节 | 第62-63页 |
4.4.3 级联框架评估 | 第63-64页 |
4.4.4 和已有方法对比 | 第64-65页 |
4.4.5 运行时间对比和分析 | 第65页 |
4.5 本章小结 | 第65-67页 |
第5章 视频中的运动分析:动作检测 | 第67-79页 |
5.1 相关工作 | 第67-69页 |
5.2 系统框架和特征设计 | 第69-70页 |
5.2.1 设计的特征 | 第70页 |
5.2.2 特征增量式更新 | 第70页 |
5.3 级联框架训练和实现细节 | 第70页 |
5.4 实验部分 | 第70-74页 |
5.4.1 公共数据集:MSR Action Ⅱ | 第70-71页 |
5.4.2 系统性能 | 第71-74页 |
5.5 系统分析 | 第74-77页 |
5.5.1 摔倒数据集 | 第74页 |
5.5.2 级联框架分析 | 第74-76页 |
5.5.3 视频流下时间分析 | 第76-77页 |
5.5.4 讨论 | 第77页 |
5.6 本章小结 | 第77-79页 |
第6章 总结与展望 | 第79-83页 |
6.1 总结 | 第79-80页 |
6.2 未来工作展望 | 第80-83页 |
6.2.1 图像中的运动估计和分析 | 第80-81页 |
6.2.2 关于视频中的动作检测 | 第81-83页 |
参考文献 | 第83-93页 |
图目录 | 第93-97页 |
表目录 | 第97-99页 |
致谢 | 第99-101页 |
在读期间发表的学术论文与取得的研究成果 | 第101页 |