| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 课题研究现状 | 第13-18页 |
| 1.2.1 安防视频监控产业的现状和发展 | 第13-14页 |
| 1.2.2 视频质量检测的研究现状和发展 | 第14-15页 |
| 1.2.3 视频浓缩和摘要的研究现状和发展 | 第15-17页 |
| 1.2.4 深度网络进行目标识别研究现状和发展 | 第17-18页 |
| 1.3 课题主要内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-22页 |
| 第二章 视频质量检测关键技术 | 第22-38页 |
| 2.1 视频质量衡量标准 | 第22-23页 |
| 2.2 几种常见视频质量检测方法 | 第23-31页 |
| 2.2.1 视频图像缺失检测算法 | 第24-25页 |
| 2.2.2 视频图像遮挡检测算法 | 第25-29页 |
| 2.2.3 视频图像高斯噪声检测算法 | 第29-30页 |
| 2.2.4 视频图像偏色检测算法 | 第30-31页 |
| 2.3 一种新的利用傅立叶变换进行条纹干扰检测算法 | 第31-33页 |
| 2.4 实验结果对比及分析 | 第33-37页 |
| 2.4.1 视频质量检测性能评价指标 | 第33页 |
| 2.4.2 实验环境和实验数据 | 第33-34页 |
| 2.4.3 结果对比和分析 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 面向安保监控的视频浓缩和视频摘要技术 | 第38-52页 |
| 3.1 常用的视频浓缩方法 | 第38-41页 |
| 3.1.1 视频快进法 | 第38-39页 |
| 3.1.2 背景减去法 | 第39页 |
| 3.1.3 区域帧差分法 | 第39-41页 |
| 3.2 一种新的保留静态关键视频帧的浓缩算法 | 第41-43页 |
| 3.3 常用的视频摘要算法 | 第43-45页 |
| 3.3.1 像素平均值法 | 第43-44页 |
| 3.3.2 前景覆盖法 | 第44-45页 |
| 3.4 一种改进的视频组交叉融合摘要算法 | 第45-47页 |
| 3.5 实验结果对比及分析 | 第47-50页 |
| 3.5.1 数据集描述 | 第47页 |
| 3.5.2 评价指标 | 第47-48页 |
| 3.5.3 实验分析 | 第48-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 基于深度网络的目标识别关键技术 | 第52-66页 |
| 4.1 深度学习算法 | 第52-55页 |
| 4.2 CDBN算法介绍 | 第55-59页 |
| 4.2.1 CRBM算法介绍 | 第56-57页 |
| 4.2.2 CRBM的训练过程 | 第57-58页 |
| 4.2.3 Max-Pooling | 第58页 |
| 4.2.4 CDBN算法 | 第58-59页 |
| 4.3 CDBN网络层间连接方式探究及优化 | 第59-61页 |
| 4.3.1 分散连接策略 | 第59页 |
| 4.3.2 相邻连接策略 | 第59-60页 |
| 4.3.3 全连接策略 | 第60-61页 |
| 4.4 基于CDBN的目标识别实验及分析 | 第61-65页 |
| 4.4.1 实验平台及准备 | 第61页 |
| 4.4.2 MNIST手写字符识别 | 第61页 |
| 4.4.3 COIL-100 分类 | 第61-62页 |
| 4.4.4 三种连接策略比较 | 第62-64页 |
| 4.4.5 时空开销分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 主要研究成果 | 第66-67页 |
| 5.2 未来工作展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 作者在学期间取得的学术成果 | 第75页 |