摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 课题研究背景及研究意义 | 第11-12页 |
1.2 国内外研究现状与趋势 | 第12-14页 |
1.3 剪影提取的问题 | 第14-15页 |
1.4 论文主要内容与组织结构 | 第15-17页 |
第二章 相关技术 | 第17-25页 |
2.1 视频分帧技术 | 第17页 |
2.2 传统语义分割技术的调研与实验 | 第17-22页 |
2.2.1 背差法、帧差法 | 第17-19页 |
2.2.2 Canny算子提取轮廓法 | 第19-20页 |
2.2.3 分水岭算法 | 第20-21页 |
2.2.4 Grabcut算法 | 第21-22页 |
2.3 基于深度学习的语义分割技术 | 第22-23页 |
2.4 本章小结 | 第23-25页 |
第三章 运动视频分析系统关键算法SISA的设计与实现 | 第25-37页 |
3.1 SISA的神经网络结构 | 第25-28页 |
3.1.1 卷积神经网络结构介绍 | 第25-26页 |
3.1.2 数据标注系统 | 第26-27页 |
3.1.3 模型训练方法 | 第27-28页 |
3.2 特征提取网络 | 第28-31页 |
3.3 条件随机场优化语义边界 | 第31-33页 |
3.4 关键节点检测算法优化细小物体语义 | 第33-35页 |
3.5 SISA算法效果展示 | 第35页 |
3.6 本章小结 | 第35-37页 |
第四章 运动视频分析系统需求分析 | 第37-47页 |
4.1 运动视频分析系统总体需求 | 第37-38页 |
4.2 运动视频分析系统工作场景 | 第38-40页 |
4.3 运动视频分析系统的各个模块需求分析 | 第40-46页 |
4.3.1 数据处理模块 | 第40-42页 |
4.3.2 模型训练模块 | 第42-44页 |
4.3.3 运动视频预测模块 | 第44-45页 |
4.3.4 视频分析系统用例图 | 第45-46页 |
4.4 本章小结 | 第46-47页 |
第五章 运动视频分析系统设计与实现 | 第47-73页 |
5.1 运动视频分析系统总体结构 | 第47-48页 |
5.2 运动视频分析系统模块说明 | 第48-52页 |
5.2.1 数据处理模块 | 第48-50页 |
5.2.2 模型训练模块 | 第50-51页 |
5.2.3 预测模块 | 第51-52页 |
5.3 SISA神经网络的设计与实现 | 第52-55页 |
5.3.1 SISA语义分割网络 | 第52-54页 |
5.3.2 SISA关键节点检测网络 | 第54-55页 |
5.4 运动视频分析系统接口设计 | 第55-59页 |
5.4.1 外部接口 | 第55-58页 |
5.4.2 内部接口 | 第58-59页 |
5.5 运动视频分析系统交互设计 | 第59-61页 |
5.5.1 模型训练模块与数据处理模块交互设计 | 第59-60页 |
5.5.2 预测模块与数据处理模块交互设计 | 第60-61页 |
5.6 运动视频分析系统详细设计与实现 | 第61-72页 |
5.6.1 数据处理模块详细设计 | 第61-64页 |
5.6.2 模型训练模块详细设计 | 第64-65页 |
5.6.3 预测模块详细设计 | 第65-67页 |
5.6.4 系统关键流程实现 | 第67-72页 |
5.7 本章小结 | 第72-73页 |
第六章 运动视频分析系统测试与验证 | 第73-83页 |
6.1 测试环境 | 第73页 |
6.2 系统功能测试 | 第73-77页 |
6.2.1 测试用例总表 | 第74-75页 |
6.2.2 数据处理模块测试用例 | 第75-76页 |
6.2.3 模型训练模块测试用例 | 第76-77页 |
6.2.4 预测模块测试用例 | 第77页 |
6.3 关键算法测试结果 | 第77-81页 |
6.3.1 深度学习算法与其他算法对比实验 | 第77-79页 |
6.3.2 深度学习基准线算法与SISA算法对比实验 | 第79-81页 |
6.4 本章小结 | 第81-83页 |
第七章 结束语 | 第83-85页 |
7.1 论文工作总结 | 第83页 |
7.2 未来工作展望 | 第83-85页 |
参考文献 | 第85-87页 |
致谢 | 第87-89页 |
攻读硕士学位期间发表的学术论文目录 | 第89页 |