基于角度判别的车辆视频检索
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 问题提出 | 第10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 基于内容的视频检索 | 第10-11页 |
| 1.3.2 基于车辆视频的视频检索 | 第11-13页 |
| 1.4 论文的研究目的与内容 | 第13-15页 |
| 1.4.1 论文的研究目的 | 第13-14页 |
| 1.4.2 论文的研究内容 | 第14页 |
| 1.4.3 论文的创新 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-16页 |
| 2 基于车辆视频检索的关键技术 | 第16-27页 |
| 2.1 关键帧提取算法 | 第16-19页 |
| 2.1.1 背景差分法 | 第16-17页 |
| 2.1.2 Surendra背景提取算法概述 | 第17-18页 |
| 2.1.3 基于背景差分法的关键帧提取 | 第18-19页 |
| 2.2 形状特征描述 | 第19-21页 |
| 2.2.1 Hu不变矩 | 第19-20页 |
| 2.2.2 转动惯量 | 第20-21页 |
| 2.2.3 轮廓离散化参数 | 第21页 |
| 2.3 SIFT算法概述 | 第21-25页 |
| 2.4 车脸提取算法描述 | 第25-26页 |
| 2.4.1 车脸粗定位 | 第25-26页 |
| 2.4.2 车脸定位与提取 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 有效帧提取与角度判别算法 | 第27-41页 |
| 3.1 有效帧提取问题简述 | 第27-28页 |
| 3.2 基于MFR算法的有效帧提取 | 第28-36页 |
| 3.2.1 算法原理 | 第28-29页 |
| 3.2.2 特征的归一化 | 第29-30页 |
| 3.2.3 算法步骤 | 第30-31页 |
| 3.2.4 权值调整 | 第31-32页 |
| 3.2.5 实验 | 第32-36页 |
| 3.3 基于运动估计的车辆的角度判别算法 | 第36-40页 |
| 3.3.1 车辆角度分类标准 | 第36-37页 |
| 3.3.2 运动矢量的计算方法 | 第37-38页 |
| 3.3.3 具体算法描述 | 第38-39页 |
| 3.3.4 实验结果 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 车辆检索算法 | 第41-55页 |
| 4.1 基于B-SIFT的正面车辆检索方法 | 第41-49页 |
| 4.1.1 图像预处理 | 第41-42页 |
| 4.1.2 问题提出 | 第42-44页 |
| 4.1.3 B-SIFT算法 | 第44-45页 |
| 4.1.4 基于B-SIFT的车脸识别算法 | 第45-46页 |
| 4.1.5 实验及分析 | 第46-49页 |
| 4.2 基于HSV算法的侧面车辆检索算法 | 第49-54页 |
| 4.2.1 基于HSV的侧面车辆检索算法 | 第50-51页 |
| 4.2.2 实验及分析 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 全文工作回顾与总结 | 第55-56页 |
| 5.2 后续工作及展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间主要研究成果 | 第61-62页 |
| 致谢 | 第62页 |
