📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－智能视觉监控中基于语义的视频分析与检索</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y699863<br>
<br>
论 文 题 目：<strong style="font-weight: 400">智能视觉监控中基于语义的视频分析与检索</strong><br>
学位授予单位：北京航空航天大学<br>
作 者：谢丹<br>
申请学位级别：硕士<br>
学 科 名 称：导航、制导与控制<br>
指 导 教 师：彭俊毅<br>
出 版 时 间：20040224<br>
摘 要：<br>
近年来,基于视觉的数字摄像机系统已广泛应用于监控领域,从而产生了大量的视频数据需要及时处理和存储.在这个背景下,如何发展高效率和智能化的视频分析与检索技术成为了重要的问题.此外,随着信息技术的发展,多媒体数据,特别是视频数据的大量生成,传输和存储成为可能,也对发展先进的视频分析与检索技术提出了迫切的要求.基于语义的视频分析与检索以其智能化和人性化,在近些年受到了国际学术界的广泛关注.但作为一个刚刚兴起的研究领域,语义视频分析仍有很多理论和技术问题需要解决.有鉴于此,本文以智能视觉监控为研究背景,提出了一个从底层运动分析到高层行为理解的基于语义的监控视频分析与检索框架.对该框架中的各部分,本文提出了一些独创性的方法:1)底层的目标分割与跟踪是视觉监控系统的技术难题和发展瓶颈.本文提出了一种基于模糊聚类的多目标跟踪算法,该算法在目标较多和遮挡情况频繁发生的情况下具有很强的鲁棒性,非常适合用于复杂交通路口中车辆的跟踪.2)提出了一种层次自组织神经网络模型,并将其用于目标行为的学习,学习得到的行为模式中包含了丰富的语义内容.本算法克服了一般自组织神经网络学习时间长及收敛性不强的缺点,可以广泛应用于一般的模式分类问题.3)提出了模糊自组织神经网络算法,该方法与层次自组织神经网络算法相比在实时性,易实现性及可扩展性方面各有优点.4)在行为模式学习的基础上,发展了异常检测和行为预测的算法5)提出了一个基于语义的监控视频检索框架,通过建立一系列行为模型,可以建立起语义层次上的视频事件索引,并提供包括关键字查询,绘图查询等多种查询方式.<br>
分 类 号：TP391.41<br>
关 键 词：智能视觉监控;视频检索;语义模型;多目标跟踪;神经网络
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -