基于人脸对象的简单人脸视频静态摘要的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于对象的视频摘要 | 第12-13页 |
| 1.2.2 静态摘要的研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.3.1 人脸对象的特征选取 | 第14页 |
| 1.3.2 对选取特征进行聚类 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第2章 相关理论基础 | 第16-26页 |
| 2.1 人脸检测 | 第16-18页 |
| 2.1.1 基于知识的方法 | 第16页 |
| 2.1.2 基于学习的方法 | 第16-18页 |
| 2.2 目标跟踪 | 第18-20页 |
| 2.2.1 一般跟踪方法 | 第18页 |
| 2.2.2 自适应跟踪方法 | 第18-19页 |
| 2.2.3 TLD算法框架结构 | 第19-20页 |
| 2.3 PCA降维 | 第20-21页 |
| 2.4 LBP | 第21-22页 |
| 2.5 常用聚类方法理论介绍 | 第22-24页 |
| 2.5.1 kmeans聚类 | 第22-23页 |
| 2.5.2 子空间聚类介绍 | 第23-24页 |
| 2.6 本章小节 | 第24-26页 |
| 第3章 基于face-track的特征提取 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 视频人脸检测与跟踪 | 第26-28页 |
| 3.3 face-track特征提取方法 | 第28-29页 |
| 3.4 分场景聚类 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于稀疏子空间聚类的人脸视频静态摘要 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 稀疏表示理论 | 第34页 |
| 4.3 稀疏表示模型 | 第34-35页 |
| 4.4 谱聚类算法 | 第35-37页 |
| 4.5 稀疏子空间聚类 | 第37-39页 |
| 4.6 实验结果与分析 | 第39-43页 |
| 4.6.1 实验数据 | 第39-40页 |
| 4.6.2 实验结果 | 第40-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 人脸视频静态摘要的系统实现 | 第44-49页 |
| 5.1 引言 | 第44页 |
| 5.2 软件系统结构设计 | 第44-45页 |
| 5.3 开发环境及系统功能设计 | 第45-47页 |
| 5.3.1 系统的开发及运行环境 | 第45-46页 |
| 5.3.2 系统主界面的设计 | 第46-47页 |
| 5.4 本章小结 | 第47-49页 |
| 第6章 总结与展望 | 第49-52页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
