面向视频管理的指纹特征提取技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 视频指纹的研究现状 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文结构安排 | 第18-19页 |
| 第二章 基于内容的视频指纹提取相关技术研究 | 第19-33页 |
| 2.1 基于内容的特征点提取技术 | 第21-26页 |
| 2.1.1 基于时域的视频指纹 | 第22-23页 |
| 2.1.2 基于空域的视频指纹 | 第23-25页 |
| 2.1.3 基于颜色的视频指纹 | 第25页 |
| 2.1.4 基于转换域的视频指纹 | 第25-26页 |
| 2.2 视频镜头分割 | 第26-27页 |
| 2.3 基于SURF算法的特征点提取 | 第27-32页 |
| 2.3.1 构建积分图像 | 第28页 |
| 2.3.2 构建Hessian矩阵 | 第28-29页 |
| 2.3.3 尺度空间表示 | 第29-30页 |
| 2.3.4 兴趣点定位 | 第30-31页 |
| 2.3.5 描述子生成 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于稀疏编码的SURF特征点优化处理 | 第33-51页 |
| 3.1 稀疏编码概念 | 第33-35页 |
| 3.2 基于SURF特征点的稀疏词典构建 | 第35-44页 |
| 3.2.1 稀疏系数生成 | 第38-40页 |
| 3.2.2 基于拉格朗日对偶的基矩阵学习 | 第40-41页 |
| 3.2.3 基于SURF特征点稀疏词典生成 | 第41-44页 |
| 3.3 SURF特征点的稀疏编码 | 第44-46页 |
| 3.4 SURF特征点稀疏编码的实验分析 | 第46-50页 |
| 3.4.1 SURF特征点稀疏性能分析 | 第46-49页 |
| 3.4.2 SURF特征点稀疏结果存储分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于词袋模型的视频指纹生成及实验分析 | 第51-67页 |
| 4.1 Kmeans聚类 | 第51-52页 |
| 4.2 基于SURF稀疏结果的视觉词汇生成 | 第52-58页 |
| 4.2.1 视觉词典构建 | 第55-56页 |
| 4.2.2 词频统计 | 第56-58页 |
| 4.3 视频指纹生成 | 第58-61页 |
| 4.4 实验环境 | 第61页 |
| 4.5 分析标准 | 第61-62页 |
| 4.5.1 视频指纹查全与查准 | 第61-62页 |
| 4.5.2 视频指纹的鲁棒性 | 第62页 |
| 4.6 实验结果与分析 | 第62-66页 |
| 4.6.1 视频指纹提取效率分析 | 第62-63页 |
| 4.6.2 指纹序列准确率分析 | 第63-64页 |
| 4.6.3 视频指纹序列鲁棒性分析 | 第64-66页 |
| 4.7 总结 | 第66-67页 |
| 第五章 基于视频指纹的视频检索系统设计 | 第67-72页 |
| 5.1 数据库构建 | 第68-69页 |
| 5.2 逻辑功能设计 | 第69-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 内容总结 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士研究生期间科研成果 | 第79-80页 |
