| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容及组织结构 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-15页 |
| 第二章 视频检索技术综述 | 第15-23页 |
| 2.1 视频数据特点 | 第15页 |
| 2.2 视频结构化分析 | 第15-17页 |
| 2.3 视频检索的基本原理 | 第17-22页 |
| 2.3.1 基于关键字的视频检索 | 第17-18页 |
| 2.3.2 基于内容的视频检索 | 第18-20页 |
| 2.3.3 视频语义分析和提取 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于改进的双重检测模型镜头分割算法 | 第23-47页 |
| 3.1 镜头分割的基本概念 | 第23-26页 |
| 3.1.1 镜头变换的类型 | 第23-25页 |
| 3.1.2 镜头分割的基本原理 | 第25-26页 |
| 3.1.3 镜头分割的评价标准 | 第26页 |
| 3.2 现有的视频镜头边缘检测算法 | 第26-30页 |
| 3.2.1 基于非压缩域的视频镜头检测算法 | 第26-29页 |
| 3.2.2 基于压缩域的视频镜头检测算法 | 第29-30页 |
| 3.3 基于改进的双重检测模型镜头分割算法 | 第30-40页 |
| 3.3.1 基于自适应二分查找镜头边界初检 | 第30-32页 |
| 3.3.1.1 基于等面积矩形环分块颜色直方图不连续度 | 第30-31页 |
| 3.3.1.2 自适应二分查找 | 第31-32页 |
| 3.3.2 基于多特征融合的自适应阈值镜头边界的复检 | 第32-40页 |
| 3.3.2.1 多特征提取及融合 | 第32-35页 |
| 3.3.2.2 自适应双阈值视频镜头分割算法 | 第35-38页 |
| 3.3.2.3 算法的思路及步骤 | 第38-40页 |
| 3.4 算法的实验结果与分析 | 第40-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于深度卷积神经网络的视频关键帧提取算法 | 第47-63页 |
| 4.1 视频关键帧的基本概念 | 第47页 |
| 4.2 现有的视频关键帧提取算法 | 第47-49页 |
| 4.2.1 基于SIFT特征的关键帧提取算法 | 第47-48页 |
| 4.2.2 基于聚类的关键帧提取算法 | 第48-49页 |
| 4.2.3 基于运动分析的关键帧提取算法 | 第49页 |
| 4.3 关键帧提取存在的问题以及研究内容 | 第49-50页 |
| 4.4 基于深度卷积神经网络的视频关键帧提取算法 | 第50-58页 |
| 4.4.1 深度学习及卷积神经网络综述 | 第51-54页 |
| 4.4.1.1 卷积神经网络的基本结构 | 第51-52页 |
| 4.4.1.2 卷积神经网络的研究进展 | 第52-54页 |
| 4.4.1.3 常见的卷积神经网络 | 第54页 |
| 4.4.2 算法的思路及流程 | 第54-55页 |
| 4.4.3 视频帧图像特征提取 | 第55-57页 |
| 4.4.4 帧间相似性度量 | 第57页 |
| 4.4.5 关键帧提取 | 第57-58页 |
| 4.5 算法的实验结果与分析 | 第58-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文研究的工作总结 | 第63-64页 |
| 5.2 进一步的研究工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士期间的科研成果 | 第71-72页 |
| 致谢 | 第72页 |