基于结构约束的在线鲁棒视频浓缩方法
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题的研究背景和意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文主要研究内容及结构 | 第14-17页 |
| 1.4.1 本文主要研究内容 | 第14-15页 |
| 1.4.2 本文的组织结构 | 第15-17页 |
| 第2章 在线鲁棒视频浓缩框架 | 第17-23页 |
| 2.1 视频浓缩的基本思想 | 第17-18页 |
| 2.2 通用在线式视频浓缩的基本框架 | 第18-20页 |
| 2.2.1 离线式浓缩 | 第18-19页 |
| 2.2.2 在线式浓缩 | 第19-20页 |
| 2.3 基于结构约束的在线鲁棒视频浓缩 | 第20-22页 |
| 2.3.1 视频浓缩的鲁棒性 | 第20-21页 |
| 2.3.2 在线鲁棒视频浓缩的基本框架 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 在线轨迹提取 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 运动目标检测算法：提取轨迹基元 | 第23-31页 |
| 3.2.1 运动目标检测的经典方法 | 第23-25页 |
| 3.2.2 自反馈运动目标检测算法 | 第25-29页 |
| 3.2.3 选择性扩散算法 | 第29-31页 |
| 3.3 目标跟踪算法：串联轨迹基元 | 第31-34页 |
| 3.3.1 目标跟踪的经典方法 | 第31页 |
| 3.3.2 粘连式跟踪算法 | 第31-32页 |
| 3.3.3 帧内粘连VS轨迹间粘连 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 在线轨迹填充优化 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 视频分割与背景生成 | 第35-38页 |
| 4.2.1 视频分割 | 第35-37页 |
| 4.2.2 背景生成 | 第37-38页 |
| 4.3 在线轨迹填充 | 第38-40页 |
| 4.3.1 两级浓缩空间 | 第38-39页 |
| 4.3.2 自适应截断 | 第39-40页 |
| 4.4 填充优化 | 第40-44页 |
| 4.4.1 碰撞损失函数 | 第41-42页 |
| 4.4.2 贪婪算法 | 第42-43页 |
| 4.4.3 随机选择算法 | 第43-44页 |
| 4.5 泊松拼接 | 第44页 |
| 4.6 本章小结 | 第44-46页 |
| 第5章 系统加速与实验分析 | 第46-57页 |
| 5.1 引言 | 第46页 |
| 5.2 基于多核CPU的系统算法加速 | 第46-48页 |
| 5.2.1 基于多核CPU的前景分割系统加速 | 第46-47页 |
| 5.2.2 基于多核CPU的在线视频浓缩 | 第47-48页 |
| 5.3 运动目标检测算法对比实验 | 第48-51页 |
| 5.3.1 数据集选取 | 第48页 |
| 5.3.2 对比指标 | 第48-49页 |
| 5.3.3 实验结果分析 | 第49-51页 |
| 5.4 视频浓缩算法对比实验 | 第51-56页 |
| 5.4.1 数据集选取 | 第51页 |
| 5.4.2 对比指标 | 第51-52页 |
| 5.4.3 实验结果分析 | 第52-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 全文工作总结 | 第57-58页 |
| 6.2 下一步工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的研究成果 | 第64页 |
