摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-13页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 课题主要研究工作及成果 | 第11页 |
1.3 本文组织结构安排 | 第11-12页 |
1.4 本章小结 | 第12-13页 |
第二章 物联网智能视频开放平台设计与实现 | 第13-25页 |
2.1 物联网情境下的智能视频开放平台概述 | 第13-15页 |
2.1.1 物联网(WoT)系统结构 | 第13-15页 |
2.1.2 智能视频开放系统基本结构 | 第15页 |
2.2 平台设计目标 | 第15-17页 |
2.2.1 设计目标概述 | 第15-16页 |
2.2.2 视频摘要技术的引入 | 第16-17页 |
2.3 平台具体设计 | 第17-19页 |
2.3.1 平台架构设计 | 第18页 |
2.3.2 常规功能设计 | 第18-19页 |
2.3.3 智能视频摘要功能设计 | 第19页 |
2.4 平台软件实现 | 第19-24页 |
2.4.1 软件实现流程 | 第19-20页 |
2.4.2 提取数据库中图像数据 | 第20-21页 |
2.4.3 指定时间段图像合成视频 | 第21-22页 |
2.4.4 图像及视频的平台展示 | 第22-24页 |
2.5 本章小结 | 第24-25页 |
第三章 视频摘要算法比较和选取 | 第25-33页 |
3.1 概述 | 第25页 |
3.2 视频摘要技术分类 | 第25-27页 |
3.2.1 动态视频摘要及其主要形式 | 第25-26页 |
3.2.2 静态视频摘要及其主要形式 | 第26-27页 |
3.3 视频摘要关键算法概述 | 第27-29页 |
3.3.1 基于关键帧的静态视频摘要算法 | 第27-28页 |
3.3.2 基于视频梗概的动态视频摘要算法 | 第28-29页 |
3.3.3 两种视频摘要算法比较和应用场景分析 | 第29页 |
3.4 聚类算法概述 | 第29-31页 |
3.4.1 聚类算法分析 | 第29-30页 |
3.4.2 图像相似性度量 | 第30-31页 |
3.5 基于聚类的关键帧提取算法 | 第31-32页 |
3.6 本章小结 | 第32-33页 |
第四章 多特征融合的相似性度量算法研究 | 第33-44页 |
4.1 视频序列特征选取 | 第33-41页 |
4.1.1 特征选取依据 | 第33-37页 |
4.1.2 颜色特征提取 | 第37-40页 |
4.1.3 纹理特征提取 | 第40-41页 |
4.2 多特征融合的相似性度量算法研究 | 第41-42页 |
4.2.1 算法原理 | 第41页 |
4.2.2 算法流程 | 第41-42页 |
4.3 实验结果及分析 | 第42-43页 |
4.4 本章小结 | 第43-44页 |
第五章 基于动态阻尼因子的AP聚类算法 | 第44-56页 |
5.1 K-means聚类算法问题分析 | 第44-46页 |
5.2 AP聚类算法概述 | 第46-51页 |
5.2.1 AP聚类算法原理 | 第46-49页 |
5.2.2 AP聚类算法流程 | 第49-51页 |
5.3 AP聚类算法问题分析 | 第51-52页 |
5.4 基于动态阻尼因子的AP聚类算法研究 | 第52-54页 |
5.4.1 阻尼因子调整方式研究 | 第52-53页 |
5.4.2 自适应阻尼因子的AP聚类算法流程 | 第53-54页 |
5.5 实验结果及分析 | 第54页 |
5.6 本章小结 | 第54-56页 |
第六章 关键帧提取算法评价准则CUS的改进及实验结果 | 第56-64页 |
6.1 CUS评测准则及其改进 | 第56-57页 |
6.1.1 CUS算法评测准则 | 第56页 |
6.1.2 CUS算法的不足及改进 | 第56-57页 |
6.2 实验建立及结果分析 | 第57-63页 |
6.2.1 Open Video视频库测试结果 | 第57-60页 |
6.2.2 与其他算法结果对比 | 第60-61页 |
6.2.3 监控视频实验结果 | 第61-63页 |
6.3 本章小结 | 第63-64页 |
第七章 总结和展望 | 第64-66页 |
7.1 工作总结 | 第64页 |
7.2 下一步工作展望 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-71页 |
作者攻读学位期间发表的学术论文 | 第71页 |