| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的目的及意义 | 第9-11页 |
| 1.1.1 智能视频监控的目的和研究意义 | 第9页 |
| 1.1.2 视频人数估计目的和研究意义 | 第9-10页 |
| 1.1.3 视频目标分析识别研究意义 | 第10-11页 |
| 1.2 国内外相关研究现状 | 第11-12页 |
| 1.2.1 视频特征提取研究现状 | 第11页 |
| 1.2.2 视频特征提取所存在的问题 | 第11-12页 |
| 1.3 本文主要的研究内容及创新 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第二章 基于线性降维的视频特征融合 | 第14-24页 |
| 2.1 传统视频特征提取算法 | 第14-16页 |
| 2.1.1 基于变换的特征提取算法 | 第14-15页 |
| 2.1.2 基于图像处理的特征提取算法 | 第15-16页 |
| 2.2 基于线性降维的特征融合方法 | 第16-19页 |
| 2.2.1 特征融合 | 第16页 |
| 2.2.2 特征降维 | 第16-17页 |
| 2.2.3 主成分分析 | 第17-18页 |
| 2.2.4 基于线性降维的融合方法 | 第18-19页 |
| 2.3 实验结果及分析 | 第19-23页 |
| 2.3.1 实验设计 | 第19-21页 |
| 2.3.2 实验结果和分析Ⅰ：降维 | 第21-22页 |
| 2.3.3 实验结果和分析Ⅱ：准确率 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 视频局部特征提取以及融合 | 第24-36页 |
| 3.1 视频数据的连续性结构分析 | 第24-25页 |
| 3.2 基于线性降维的局部特征提取框架 | 第25-28页 |
| 3.2.1 视频图像连续特征建模 | 第25-27页 |
| 3.2.2 基于线性降维的理论框架 | 第27-28页 |
| 3.2.3 经典图定义：从主成分分析到局部特征提取 | 第28页 |
| 3.3 经典线性降维方法回顾 | 第28-32页 |
| 3.3.1 全局特征分析：分布性建模 | 第29-31页 |
| 3.3.2 局部特征分析：连续性建模 | 第31-32页 |
| 3.4 基于全局和局部特征融合的线性降维算法 | 第32-34页 |
| 3.4.1 特征级融合 | 第33页 |
| 3.4.2 图融合 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 视频图像完整性提取以及融合 | 第36-43页 |
| 4.1 视频图像像素域的完整性 | 第36页 |
| 4.2 高维线性特征提取 | 第36-41页 |
| 4.2.1 高维特征提取框架 | 第36-37页 |
| 4.2.2 高维全局特征提取 | 第37-39页 |
| 4.2.3 高维特征提取经典方法总结 | 第39-41页 |
| 4.3 实验结果以及分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-46页 |
| 5.1 本文的工作 | 第43-44页 |
| 5.2 进一步的工作 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 致谢 | 第52-53页 |
| 附录 攻读学位期间发表的学术论文 | 第53页 |