论文目录 | |
| 摘要 | 第1-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究发展现状 | 第10-14页 |
| 1.2.1 视频关键帧提取技术的研究现状 | 第10-11页 |
| 1.2.2 道路车辆监控视频关键帧提取的研究现状 | 第11-13页 |
| 1.2.3 视觉显著性的研究现状 | 第13-14页 |
| 1.3 本文的主要工作及内容安排 | 第14-16页 |
| 第二章 视觉显著性和关键帧提取的相关理论 | 第16-23页 |
| 2.1 视觉显著性基础理论 | 第16-18页 |
| 2.1.1 视觉显著性概述 | 第16页 |
| 2.1.2 显著性计算原理 | 第16-17页 |
| 2.1.3 显著性计算模型 | 第17-18页 |
| 2.1.4 图像显著性与视频显著性的区别与联系 | 第18页 |
| 2.2 视频关键帧提取技术介绍 | 第18-22页 |
| 2.2.1 基于镜头检测的视频关键帧提取方法 | 第18页 |
| 2.2.2 基于内容的视频关键帧提取方法 | 第18-19页 |
| 2.2.3 基于运动信息分析的视频关键帧提取方法 | 第19-20页 |
| 2.2.4 基于聚类的视频关键帧提取方法 | 第20页 |
| 2.2.5 视频关键帧提取算法的应用分析 | 第20-21页 |
| 2.2.6 视频关键帧提取性能估计 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于静态特征的目标车辆关键帧提取算法 | 第23-46页 |
| 3.1 研究动机 | 第23页 |
| 3.2 道路监控视频中基于视觉显著性的车辆关键帧提取流程 | 第23-24页 |
| 3.3 运动目标的检测 | 第24页 |
| 3.4 运动目标的跟踪 | 第24-29页 |
| 3.4.1 基于CamShift算法的运动车辆跟踪 | 第25页 |
| 3.4.2 Kalman滤波器原理 | 第25-26页 |
| 3.4.3 结合Kalman预测的CamShift车辆跟踪 | 第26-28页 |
| 3.4.4 实验结果与分析 | 第28-29页 |
| 3.5 运动目标前景与背景的分割 | 第29-30页 |
| 3.6 运动目标的特征提取与融合 | 第30-34页 |
| 3.6.1 FT特征图的提取 | 第30-31页 |
| 3.6.2 LBP特征图的提取 | 第31-32页 |
| 3.6.3 边缘特征图的提取 | 第32页 |
| 3.6.4 车牌特征图的提取 | 第32-33页 |
| 3.6.5 底层特征图的优化 | 第33-34页 |
| 3.6.6 图像多特征融合 | 第34页 |
| 3.7 实验结果及分析 | 第34-45页 |
| 3.7.1 示例视频的关键帧提取与分析 | 第36-39页 |
| 3.7.2 主观评价对比 | 第39-40页 |
| 3.7.3 本章算法与其他关键帧提取算法结果对比分析 | 第40-42页 |
| 3.7.4 车牌识别应用的性能测试 | 第42-45页 |
| 3.8 本章小结 | 第45-46页 |
| 第四章 面向交通异常行为的车辆关键帧提取 | 第46-65页 |
| 4.1 研究动机 | 第46页 |
| 4.2 基于视觉显著性的车辆异常行为关键帧提取流程 | 第46-47页 |
| 4.3 视频分段 | 第47-49页 |
| 4.4 运动目标特征提取 | 第49-54页 |
| 4.4.1 运动目标几何特征提取 | 第49-51页 |
| 4.4.2 单个运动目标的运动强度显著度提取 | 第51-52页 |
| 4.4.3 单个运动目标的运动方向显著度提取 | 第52-53页 |
| 4.4.4 图像帧中运动目标的运动方向、运动强度显著度提取 | 第53页 |
| 4.4.5 运动目标完整显著度提取 | 第53-54页 |
| 4.5 运动目标显著度融合 | 第51-55页 |
| 4.6 关键帧提取 | 第55-57页 |
| 4.7 实验结果与分析 | 第57-64页 |
| 4.7.1 实验数据介绍及显著度计算 | 第57-59页 |
| 4.7.2 示例视频的关键帧提取分析 | 第59-62页 |
| 4.7.3 实验数据统计分析 | 第62-64页 |
| 4.8 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |
