視頻圖像語義分析及檢索方法

目錄
第1章 緒論 1
1.1 視頻目標(biāo)檢測概況 1
1.2 視頻語義分析概況 3
第2章 基于互信息量的視頻關(guān)鍵幀提取 6
2.1 視頻鏡頭分割 7
2.2 經(jīng)典關(guān)鍵幀提取方法 8
2.2.1 分析鏡頭邊緣提取關(guān)鍵幀 8
2.2.2 幀平均法提取關(guān)鍵幀 8
2.2.3 直方圖平均法提取關(guān)鍵幀 8
2.2.4 通過視覺內(nèi)容匹配提取關(guān)鍵幀 9
2.3 基于互信息量的關(guān)鍵幀提取方法 10
2.4 實(shí)驗(yàn)結(jié)果與分析 12
第3章 視頻特征的表示及檢索 16
3.1 視頻結(jié)構(gòu)分析 16
3.1.1 視頻的層次結(jié)構(gòu) 16
3.1.2 視頻的結(jié)構(gòu)單元 19
3.2 監(jiān)控視頻信息的表示 20
3.3 監(jiān)控視頻信息特征的存儲 23
3.4 R-樹索引結(jié)構(gòu)的動態(tài)性改進(jìn) 26
3.4.1 R-樹存在的問題 26
3.4.2 R-樹節(jié)點(diǎn)分裂算法的改進(jìn) 29
3.4.3 R-樹索引在外存中的讀寫 31
3.4.4 實(shí)驗(yàn)結(jié)果與分析 33
第4章 紋理與顏色特征融合的目標(biāo)檢測 36
4.1 基于紋理和顏色置信融合的運(yùn)動目標(biāo)檢測 36
4.1.1 背景建模 37
4.1.2 運(yùn)動目標(biāo)檢測 40
4.1.3 噪點(diǎn)去除 43
4.1.4 模型更新 44
4.1.5 實(shí)驗(yàn)結(jié)果與分析 44
4.2 基于Haar-like特征壓縮的目標(biāo)檢測 48
4.2.1 Haar特征提取算法及改進(jìn) 49
4.2.2 基于AdaBoost算法的識別檢測過程 53
4.2.3 實(shí)驗(yàn)結(jié)果與分析 54
4.3 顏色紋理特征融合的均值漂移算法 56
4.3.1 MS目標(biāo)跟蹤算法思想 57
4.3.2 融合顏色、紋理特征的目標(biāo)檢測 58
4.3.3 實(shí)驗(yàn)結(jié)果與分析 64
第5章 視頻圖像語義特征提取方法 68
5.1 視頻圖像特征提取框架 68
5.2 視頻低層特征表示與提取似然方法 71
5.2.1 視頻低層特征表示方法 72
5.2.2 視頻低層特征提取似然方法 76
5.3 視頻高層對象語義提取方法 76
5.4 視頻高層對象語義標(biāo)注方法 78
5.5 實(shí)驗(yàn)結(jié)果與分析 79
第6章 視頻圖像語義分析 83
6.1 本體語義相似度計(jì)算 83
6.1.1 傳統(tǒng)的語義相似度計(jì)算算法 84
6.1.2 新的語義相似度計(jì)算算法 86
6.1.3 實(shí)驗(yàn)結(jié)果與分析 90
6.2 多層次視頻語義分析方法研究 95
6.2.1 多層次視頻語義提取框架 96
6.2.2 場景分析 97
6.2.3 對象特征分析 101
6.2.4 事件分析 106
6.2.5 實(shí)驗(yàn)結(jié)果與分析 108
第7章 視頻語義標(biāo)注及檢索方法研究 112
7.1 場景分析及對象提取 112
7.1.1 基于屬性的對象提取 113
7.1.2 基于運(yùn)動特征的對象提取 119
7.2 基于關(guān)聯(lián)規(guī)則的事件分析 125
7.2.1 基于事件的規(guī)則構(gòu)建 126
7.2.2 事件檢測 126
7.3 視頻語義的標(biāo)注 128
7.3.1 相似度匹配方法 128
7.3.2 特征匹配 129
7.4 實(shí)驗(yàn)結(jié)果與分析 130
7.4.1 匹配對比實(shí)驗(yàn) 132
7.4.2 實(shí)驗(yàn)分析 133
7.5 視頻語義檢索方法 136
7.5.1 顏色特征相似度 138
7.5.2 紋理特征相似度 138
7.5.3 幀間相似度 139
7.5.4 視頻語義檢索過程 140
參考文獻(xiàn) 142
后記 155