基于计算机视觉方法的智能电视视频分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要内容和组织结构 | 第12-13页 |
| 第二章 特征提取与聚类算法 | 第13-20页 |
| 2.1 词袋模型基本理论 | 第13-14页 |
| 2.2 金字塔搜索模型 | 第14-15页 |
| 2.3 支持向量机分类 | 第15-18页 |
| 2.3.1 线性SVM分类算法 | 第15-17页 |
| 2.3.2 非线性SVM分类算法 | 第17-18页 |
| 2.4 k-means聚类算法 | 第18-19页 |
| 2.5 小结 | 第19-20页 |
| 第三章 视频摘要提取算法 | 第20-34页 |
| 3.1 视频快速镜头分割算法 | 第20-26页 |
| 3.1.1 局部和全局视觉特征提取 | 第21-23页 |
| 3.1.2 基于全局和局部视觉特征的镜头分割 | 第23-26页 |
| 3.2 视频关键帧的提取 | 第26-28页 |
| 3.2.1 渐变帧图像的剔除算法 | 第26-27页 |
| 3.2.2 提取视频的内容摘要 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-33页 |
| 3.4 总结 | 第33-34页 |
| 第四章 视频的特征图像筛选 | 第34-42页 |
| 4.1 基于改进的词袋模型的视频图像检索 | 第34-36页 |
| 4.1.1 改进的词袋模型 | 第34-35页 |
| 4.1.2 基于词袋模型的视频图像检索 | 第35-36页 |
| 4.2 视频人脸检测算法 | 第36-37页 |
| 4.2.1 基于深层卷积神经网络的人脸检测 | 第36-37页 |
| 4.2.2 视频的人脸检测 | 第37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.4 总结 | 第41-42页 |
| 第五章 电视视频的台标检测 | 第42-52页 |
| 5.1 台标模板的创建方法 | 第42-44页 |
| 5.1.1 基于边缘的台标模板 | 第42-44页 |
| 5.1.2 基于颜色的台标模板 | 第44页 |
| 5.2 台标的识别 | 第44-47页 |
| 5.2.1 基于边缘的台标识别 | 第45-46页 |
| 5.2.2 基于颜色的台标识别 | 第46页 |
| 5.2.3 临时模板的匹配与更新 | 第46-47页 |
| 5.3 台标检测中存在的问题及解决方法 | 第47-49页 |
| 5.3.1 变色问题 | 第47页 |
| 5.3.2 复杂背景下边缘提取不准确问题 | 第47页 |
| 5.3.3 台标位置偏移问题 | 第47-48页 |
| 5.3.4 子台标拒识问题 | 第48页 |
| 5.3.5 复杂背景渐变问题 | 第48-49页 |
| 5.4 实验结果与分析 | 第49-51页 |
| 5.5 总结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
