一、基于IPP的多媒体多对象组件的设计与实现（论文文献综述）
张成城[1]（2020）在《基于多场景建模的三维海洋可视化研究》文中研究表明随着地球陆地上的资源逐渐走向枯竭,越来越多的国家将目光投向了海洋这片蕴藏着丰富资源的宝库。因而,近些年我国与海上邻国发生海洋纠纷的频率也逐步升高。合理地对我国的领海资源进行监管和开发,对于我国走向海洋大国具有极其重要的意义。传统的海洋监管技术主要依赖于二维图像信息,这愈发无法完全满足相关部门的需求。随着近些年虚拟现实和深度学习等科学技术的飞速发展,使得提升海洋监管技术的直观性和准确性成为可能。本课题正是基于这样的思路提出了一种基于OSG的三维海洋场景的可视化方法,该方法借助深度学习神经网络对二维图像进行检测和识别,获取图像中的信息后结合osg Ocean和3DS max进行三维建模,最终的三维海洋场景将会呈现在基于Qt的可视化用户界面上。相较于传统的海洋监督技术,该方法能够更加形象直观地呈现海洋的实时场景,这对相关部门的监管工作能够带来一定的便利。本文的主要工作如下:一方面,采用目标检测算法R-CNN对二维图像中的船只对象进行检测,随后利用细粒度图像分类网络对识别出的船只对象进行具体分类,这样一来便可得到图像中所有船只的数量以及种类。接着基于osg Ocean,快速傅里叶变换和天空盒原理建立了三维海洋模型,同时利用3DS max为识别出的船只进行三维建模。图像识别的数据结果将会以XML文件的形式发送至Qt 5搭建的系统用户界面,界面则会根据图像识别的结果,相应地调用海洋场景和船只模型。这样便基础地实现了海洋场景的三维可视化。另一方面,为了使该可视化方法能够更好地适用于复杂多变的海洋的环境,本课题针对不同应用场景继续进行了功能扩展和性能优化。功能扩展部分主要着眼于创建出不同时间、天气条件下的三维海洋场景,以供系统根据实际条件灵活切换。运用天空盒变换的方法,可以营造出万里无云、多云以及黄昏等多种场景氛围;而OSG中的粒子系统则可以实现不同浓度的雨雪天气特效以及爆炸烟雾特效。性能优化部分主要为了提升三维可视化场景的渲染效率,运用层次细节简化模型（LOD）针对多对象的复杂场景进行优化,提升了整个场景的渲染性能。最终通过实验,验证了加入LOD模型的三维可视化场景在渲染效率上的提升。
王杨庆[2]（2020）在《基于稠密SLAM的多对象跟踪与重建方法》文中认为基于稠密SLAM（Simultaneous Localization and Mapping）框架的多对象跟踪与重建技术,在机器人导航、人机交互、增强/虚拟现实等领域都具有重要的研究意义与应用价值。然而,系统往往会由于场景中的物体被大面积遮挡或离开相机视场等因素而无法正确检测出动态对象,此时跟踪过程就会失败。为了实现对场景对象进行鲁棒的长期跟踪,本文提出了一种非监督的动态对象长期跟踪与三维重建方法,能够独立地区分静态背景和每一个动态前景对象,主要工作和贡献如下:1.提出了一种结合二维视觉和深度信息的目标精确跟踪策略,允许在大面积遮挡或长期离开相机视场的情况下正确检测与跟踪动态场景对象。先通过一种运动姿态估计能量函数计算出每个数据点的运动姿态,再将运动姿态与输入的RGB-D信息结合,执行基于边缘优化策略的分割操作,将具有相似性质的数据点聚集到同一集合,为每个动态对象生成独立的跟踪区域。实验结果表明本文方法生成的分割区域较为贴合对象边界,并且总能为每个对象保持独有的跟踪标记,实现鲁棒跟踪。2.提出了一种基于自适应融合与更新策略的三维模型重建方法,为运动姿态的计算提供了正向反馈作用。该方法需要上一帧的运动姿态计算结果作为先验条件,再结合回环检测优化姿态数据,将姿态数据与输入信息结合生成三维重建模型,最后利用自适应更新策略对重建模型表面进行优化工作。实验结果表明本文方法能获取良好的运动姿态结果,并且能生成接近真实情况的稠密重建模型。本文最后对所做工作进行了总结,并且提出了进一步的工作目标,包括减少内存占用量并提高运行效率,增加输入设备类型以扩展应用场景。
刘铂熙[3]（2020）在《缓存、计算资源受限下无线网络吞吐量优化策略研究》文中指出为将云计算下沉到网络边缘,边缘无线节点将逐渐具备文件缓存、任务处理功能。然而,经典的云-网分离的调度机制无法充分利用无线网络中分散的通信、计算和缓存资源。为应对资源受限与需求增长之间的矛盾,本博士论文以最大化网络吞吐量为目标,对通信、计算和缓存资源优化调度开展了系列研究。对可预测的多媒体通信需求,研究缓存资源受限下无线网络的流行文件放置问题,提前优化流行文件在网络内的缓存位置。进一步,对不可预测的计算型通信需求,研究计算资源受限下无线网络的计算型通信任务调度问题,实时均衡网络内中央处理器（Compute Processing Unit,CPU）和随机接入存储模块（Random Access Memory,RAM）的工作负载。同时,考虑到基于经典因特网协议（Internet Protocol,IP）地址的调度框架过度分离云-网的资源,导致调度开销过大的问题,将设计一种缓存、计算一体化调度框架,旨在降低高负载下无线网络的通信开销,从而提升网络吞吐量。主要贡献如下:1.针对缓存资源受限下无线网络吞吐量优化问题,本文优化任意网络拓扑下缓存文件放置策略。现有工作大多局限于单跳、单路径路由拓扑等假设,未考虑利用路由多样性提升本地缓存击中率,网络吞吐量难进一步提升。本文否定了资源受限下文件缓存策略次模性（Submodularity）,并分析了任意拓扑下联合缓存-路由联合优化的计算复杂度。进而针对可拥塞网络,提出一种基于随机凑整法（Randomized Rounding）的文件放置策略（Joint Caching and Routing of Arbitrary Topology,Jo CRAT）,保证了在任意拓扑下该缓存策略能提供至少次线性的近似比。带宽有限时,相比于经典缓存文件缓存策略提升网络吞吐量2倍以上。2.针对计算资源受限下无线网络吞吐量优化问题,本文优化任意网络拓扑下计算任务调度策略。现有工作未充分考虑网络拓扑变化对时延的影响。本文分析网络的拓扑结构特性对网络吞吐量的影响机理,并发现部分特殊场景下调度策略的最优解结构。针对一般场景,提出一种基于随机交替凑整法（Altarnative Rounding）的分布式任务调度策略（Joint Caching,Processing and Routing of Arbitrary Topology,Jo Ca PRAT）,保证最坏情况下吞吐量不低于最优值紧上界的常数倍。在显着改善网络内计算资源利用率的同时,相比于经典任务调度策略,所提Jo Ca PRAT策略的计算复杂度低一个数量级以上。3.针对基于IP调度框架依赖外部资源定位服务,如域名服务（Domain Name Service,DNS）等,缓存文件、接入计算资源带来的通信开销过大的问题,本文优化改进了IP组网架构,提出并实现基于面向对象组网（Object-oriented Networking,OON）的缓存-计算一体化调度框架,显着降低通信开销。并在网络仿真器-3（Network Simulator3,NS-3）平台上开展动态多媒体自适应业务分发与网络内转码功能的相关实验。实验结果表明,在自组织Wi-Fi网络中,OON显着降低多码率视频传输中信令对带宽的消耗,提升了网络吞吐量。
周海荣[4]（2018）在《淮安广电智慧云媒体平台设计与实现》文中认为淮安市广播电视台在媒体融合过程中,发挥自身的内容生产、信息传播优势,对接智慧城市门户——“智慧淮安”,淮安广电智慧云媒体平台的制播模式与传统制播模式相比在优化内容生产方式和流程、内容的创新和发布、传播形态和制作效率都有着巨大的提升。论文的主要工作如下:（1）针对淮安市广播电视台对内容生产方式和流程、内容的创新和发布、传播形态和制作效率等方面的建设需求,设计了基于广电SOA主干及平台功能子系统构成的高/标清电视节目、视听网以及移动客户端内容生产平台。（2）从全媒体运营管控平台、媒体资产管理系统、内容服务平台、前端发布平台以及编码系统等多角度对功能模块及作用机理进行了分析研究。（3）组织实施了淮安广电智慧云媒体平台的建设、调试和测试工作。系统成功投入运行后,极大地推进了淮安市广播电视台智慧云媒体平台的进程。
李辰岭[5]（2019）在《高速铁路运行控制系统混合事故致因模型研究》文中提出高速铁路运行控制系统是高速铁路的核心系统和关键装备,对于确保高速列车的运行安全和运输效率起着决定性的作用。一旦高速铁路运行控制系统出现问题,将会造成行车中断,甚至是车毁人亡的严重后果。为了提高系统的安全性、防止铁路事故的发生,必须采用科学、有效的模型及方法对铁路事故致因形成机理进行刻画和分析。人为因素在系统安全中起着重要作用。不仅在系统运行阶段,还在系统开发和运行管理阶段,人员的行为都会影响到系统的安全。在高速铁路运行控制系统中,人员与技术系统共同防护系统安全。但是,人员本身也是一个复杂系统,受到技术系统、组织管理和社会等众多因素的影响,很难像技术系统那样设计其安全特性。因此,如何系统性的从人-机-环的基础上以人机交互为中心分析系统事故致因机理是当前亟待解决的系统安全问题。论文针对高速铁路运行控制系统事故致因分析问题需求,建立基于系统理论事故模型及过程（Systems-Theoretic Accident Model and Process,STAMP）的高速铁路运行控制系统的混合事故致因模型,并在此基础上构建事故分析方法。首先,在深入研究高速铁路运行控制系统的社会技术系统特征的基础上,构建安全管理和运行控制的混合事故致因模型,体现系统中的管理影响、人机混合特性。然后,基于人为因素分析和分类系统（Human Factors Analysis and Classification System,HFACS）和文献信息挖掘,构建了针对高速铁路运行控制系统混合事故致因模型的系统性事故致因分类系统—SACCS（Systematic Accident Cause Classification System）,结合网络分析法（Analytic Hierarchy Process,AHP）形成了系统事故致因识别与权重分析方法。再者,为了挖掘致因之间的关系,基于组件交互提出了拓展型透镜模型——ELM（Extended Lens Model）,以消除“事后之明（Hindsight biases）”分析的弊端,并在分析过程中引入了多对象多感知的组合拓展透镜模型分析方法;同时,提出多致因并发传播的事故致因影响传播模型,并用于定量分析事故致因的敏感度和动态影响。以此形成了针对高速铁路运行控制系统的混合事故致因模型及分析方法,从而更加准确、高效的识别事故致因因素及评价。为保证方法的可靠性及正确性,通过专家调查问卷的方式使用Krippendorff-Alpha指标对所提的模型进行评价。论文的主要创新点:（1）拓展STAMP理论中的分层安全控制结构。以系统理论和控制理论为基础,根据高速铁路运行控制系统及管理过程特点,拓展STAMP的分层安全控制结构,构建系统开发、运营管理和运行过程的多过程事故致因模型,更准确的刻画系统中安全影响因素及影响机理,引导分析人员更全面的理解系统中可能存在的事故致因因素及影响。（2）提出系统性事故致因分类系统——SACCS。基于HFACS,根据高速铁路运行控制系统及事故特征,构建包括组织管理、过程监管、行为影响因素、人的不安全行为、技术系统的不安全状态及环境信息等六类的事故致因因素;在致因特点的基础上,构建SACCS致因与控制回路的关联关系;为分析人员提供全面的致因分类,引导分析人员识别出详细的事故致因。（3）提出拓展型透镜模型——ELM。在认知理论透镜模型基础上,提出了多过程映射的拓展型透镜模型,用于系统组件交互分析,识别致因关联关系,以此形成系统性回溯分析方法;根据高速铁路运行控制系统的特征,将ELM的使用拓展为“情境事件”和“感知者”之间的多重对应的分析,分析系统组件交互中的多重影响;为分析人员提供了致因因素关系分析的有效分析方法,一定程度上避免“事后之明”的弊端,更准确的分析致因因素之间的关系,尤其是人误致因。（4）拓展致因影响传播模型。在传统的致因影响传播模型基础上,增加多因素的并发和传播模式,更加客观的表示系统事故中致因发生的实际情况;给出致因影响传播网络的初始状态确定方法,及致因影响传播的计算方法和致因敏感度计算方法;为分析人员提供一种事故致因因素动态评估方法,更准确的评估致因因素在事故发生过程中的作用及事故的形成动态过程,为事故的检测和预警提供基础。最后,论文以“7.23”甬温线动车事故分析为例,采用本文所建立的混合事故致因模型及方法研究案例中的事故致因,得到了事故发生的致因因素及致因影响网络,然后通过静态和动态两个方面对致因因素进行评价,得出致因因素对事故的影响权重及灵敏度。
张元平[6]（2019）在《复杂场景下的视觉对象跟踪建模及算法研究》文中研究表明对象跟踪是一个计算器视觉领域内的基本任务,该任务旨在从图像或者视频中寻找出目标物体。该任务在自动驾驶、智能监控、人机交互以及医学成像等多种运用中具有很高的实用价值,因此大量的研究力量被投入其中。然而,在真实的对象跟踪场景中,视频目标跟踪往往会由于复杂场景条件和目标运动的随机性而变得困难。在自然条件下,目标物体经常出现光照变化、旋转、伸缩、遮挡、曝光不足、背景变化、运动的复杂性和随机性等因素,这些都会使得对象跟踪变得非常困难。虽然对象跟踪算法已经取得了丰硕的研究成果,但在理论和应用上也存在着不完善和待解决的问题。在此背景下,研究复杂场景下的对象跟踪算法在理论和应用方面都具有非常重要的意义。从神经网络的模型结构出发,对现有的模型进行优化,结合真实对象跟踪场景特性,探索新的网络模型,研究新的处理算法,提高对象跟踪的性能和效率。研究成果主要在如下几个方面体现:首先,针对复杂场景下的跟踪失效及恢复问题,提出了一种基于自组织映射网络（Self-Organizing Maps,SOM）和相关滤波器的长期记忆对象跟踪算法。在对象跟踪中,不同的视频或图像中的同一种物体常常有着不同的外观,对这些外观进行学习成为有效跟踪的关键,本算法使用具有人脑神经元的信号处理机制特点的SOM,以自适应、无监督的方式进行特征提取。同时提出了同时学习多个自适应相关滤波器来进行跟踪目标的方法,这些滤波器采样不同的更新策略,协同地进行跟踪。在大规模的基准数据集上进行的大量实验结果表明,提出的对象跟踪算法能有效地解决复杂场景中出现的严重遮挡、目标丢失、尺度变化等跟踪难题。其次,针对复杂场景下传统手工特征模型的局限导致对象跟踪的准确度问题,算法提出利用深度卷积神经网络层次特征结合相关滤波进行对象跟踪算法。在深度神经网中,前端网络层具有更多的图像纹理信息,有较高的分辨率,能够对跟踪对象进行精准的定位;而后端网络层保留了更多的图像语义信息,适合对目标形变进行检测。算法利用高层的抽象信息对目标进行粗略定位,再利用浅层的纹理细节进行精细定位,最后进行加权融合得到跟踪目标的位置。提出的自适应加权特征融合的跟踪算法结合了深度学习分层特征和相关滤波器的优势,在当前大型对象跟踪测试集上取得了很好的结果。再次,针对复杂场景下多目标跟踪的严重遮挡、尺度变化等问题,提出了一种连续两帧输入的可变形卷积层和可变形池化层的卷积神经网络用于多目标跟踪。算法在传统卷积神经网络基础上增加了可变形卷积层和可变形池化层,在卷积层和池化层中利用额外的偏移量来修改采样的位置,根据跟踪对象的实际形状进行采样。同时,算法建立了目标对象的关联轨迹,有效解决了跟踪漂移和跟踪丢失的问题。综上所述,针对对象跟踪算法的几个关键问题进行了深入的研究。对于跟踪鲁棒性及性能问题,提出利用SOM网络进行特征提取与降维,结合跟踪记忆器设计算法;对于传统手工特征模型的局限和跟踪准确度问题,提出将深度网络层特征和相关滤波器相结合的跟踪算法;此外,讨论了利用可变形卷积神经网络解决形变对象的多目标跟踪问题。提出了三种不同原创性算法,侧重于解决视觉对象跟踪算法常见的不同层面问题。大量实验结果和理论分析表明,提出的一系列视觉跟踪算法运行稳定,性能高效,显着提升了视觉对象跟踪算法的鲁棒性。
刘亭利[7]（2018）在《面向纸基包装印刷的增强现实系统设计研究》文中指出近年来,传统的纸基包装印刷领域逐渐被互联网媒体所传播的数字信息所影响。而移动智能终端硬件配置的提升与网络通讯能力的发展对于包装印刷行业不仅是挑战,也是种机遇。将增强现实技术应用于纸基包装印刷,可以将包装印刷信息与数字信息相互连接,让纸张作为增强现实技术跟踪图像的载体,从而实现增强现实功能,使用户得到超现实体验,也由此拓宽纸基包装印刷品所传递的信息内容、层级和维度。本文主要研究面向纸基包装印刷的增强现实系统的设计开发流程。首先,对该系统实现的三个重点技术即跟踪注册技术、智能显示技术和人机交互技术进行了分析。本文所研究的系统采用计算机视觉跟踪注册方法中的图像自然特征点跟踪注册技术,文中对该方法进行了说明。针对智能显示技术,本文以Android平台移动智能手机作为系统的手持显示器。针对人机交互技术,以华南理工大学校医院印刷导视增强现实系统为案例,对其需求及功能进行分析,确定了系统架构、功能模块、工作流程、开发流程和应用流程,以实现用户扫描华南理工大学校徽印刷图像与系统进行增强现实互动的功能。案例中,用户通过对界面的控制体现了面向纸基包装印刷的增强现实系统交互行为。其次,针对该系统案例的开发流程实现,本文研究了系统的Android开发环境并完成搭建;介绍了系统的渲染开发平台Unity3D并完成配置;对系统案例支撑技术层中的Vuforia软件开发工具包进行了详细说明并导入Unity3D中,完成对系统案例功能的开发。最终得到“智能助手”“楼层导视”“医院概况”及“医院漫游”四个模块,实现了扫描校徽印刷图像完成增强现实与虚拟现实功能的系统应用。最后,根据此系统案例的开发流程,确定典型的面向纸基包装印刷的增强现实系统开发方法,并由此设计其他面向纸基包装印刷的增强现实系统,如通过扫描包装识别图播放视频功能的王老吉包装增强现实系统案例。通过开发过程中的程序语言调试与真机测试,说明本文所设计研究的面向纸基包装印刷的增强现实系统对包装印刷识别图像的跟踪注册具有准确性,系统本身具有普适性和稳定性。
丁文俊[8]（2018）在《自然场景图像中文本的检测方法研究》文中研究表明自然场景图像中文字包含了重要的语义信息,对整个场景内容和周围的其他对象的理解具有重要作用。但是因为光照,外观等环境因素的多样性和文字背景的复杂性,场景文字的检测面临着巨大的困难,自然场景文本检测一直都是计算机视觉领域的一个重要方向。本文针对自然场景文本检测提出了两个创新方法:基于多层次文本组件定位与生长的文本检测方法和基于窗口最大稳定极值区域的文本检测方法。在基于多层次文本组件定位与生长的文本检测方法中,首先融合最大稳定极值区域算法和笔画宽度转换算法提取出图像的文本种子像素,基于这些像素,采用字符内和字符间的多层次生长策略将完整字符生长提取出来。然后借助训练卷积神经网络分类器,从上述候选字符中过滤出非文字的候选区域,进一步使用一种基于随机游走模型的文本行提取方法将字符组成文本行作为检测结果;在基于窗口最大稳定极值区域的文本检测方法中,首先基于最大稳定极值区域获得初始图像的最大稳定极值区域平滑图,并在此平滑图上采用滑动窗口获得候选文字区域,称之为窗口最大稳定极值区域。然后依据窗口内的像素分布情况,去除了非文本的窗口极值区域。进一步依据每个窗口极值区域和其所属的最大稳定极值区域的从属关系,提取相关文本特征和训练随机森林分类器,并级联卷积神经网络分类器,用以过滤非文本窗口区域并输出每个字符区域的文本似然度,并采用基于划分子图和剪枝的方法获得文本行检测结果。针对所提出的上述两种场景文本检测方法,本文在多个公开数据集上对其有效性进行了验证。实验结果显示,归功于有效的生长策略,基于多层次文本组件定位与生长的文本检测方法在各个数据集上都能获得相对好的检测结果,尤其是召回率比较高;基于窗口最大稳定极值区域的文本检测方法在应对如中文等包含多组成部分的文字和粘连字符等情况时,能够获得相对鲁棒的检测结果。在后续工作中,上述两种场景文本检测方法尚存在进一步提升性能的潜力。
鲍金玲[9]（2017）在《路网环境下支持位置服务的查询处理技术》文中研究表明随着无线通信技术的高速发展和智能移动终端的不断普及,基于位置的服务已经融入了人们生活的各个方面。用户的查询请求也越来越多样。例如在路网环境下,从指定的路段中查找最优的位置,要求这一位置到多种公共设施距离和最小;或者从用户感兴趣的对象集中查找到多种公共设施最大距离最小的对象点。上述两种情况都属于生活中常见的位置规划问题。又如,从用户当前位置到目标位置之间查找一条最优旅游路线,满足行程预算且人气值最高。这是外出的用户常常面临的路线规划问题。不同场景下的查询需求导致查询语义的表达复杂而多样,而上述位置相关的查询需求是现有技术没有考虑的。因此,需要有针对性地结合问题的应用场景和约束条件设计新的查询算法。本文在对已有的位置规划和路径规划技术分析总结基础上,针对路网环境下三种不同类型的查询问题,即支持关键字的最优位置查询、支持关键字的兴趣点查询和约束条件下的最优路径规划,进行了深入研究,提出了相应的优化算法。本文贡献点主要包括以下几个方面:（1）针对用户位置规划需求,提出了支持关键字匹配的最优位置查询方法,帮助用户从指定的路段中,查找到多种类型对象集距离和最小的位置。结合路段上存在的对象点,将路段划分为若干的子区间。根据子区间的端点位置到多种类型最近邻对象集的距离和是子区间内距离和下界这一性质,将在路段上查找最优位置的问题转为从路段上子区间的端点中查找最优位置,并基于边剪枝和关键字过滤策略,提出了高效的查询算法。（2）进一步研究位置规划问题,提出了基于关键字匹配的兴趣点搜索技术。从用户感兴趣的目标对象集合中,查找到其他多种类型对象集最大距离最小的兴趣点。本文结合每类对象点将整个路网空间划分为若干个Voronoi单元,采用R-tree结构索引每类对象点对应的单元。基于Voronoi单元包含的关键字类型提出以距离下限为条件的无效兴趣点剪枝策略,改善了搜索效率。（3）针对约束条件下的最优路径规划问题,提出了有效的解决方法,提高了路径规划性能。帮助用户从起始位置到目标位置之间规划一条最优路径,使得这条路径满足行程预算且获益总和最高。这一问题属于NP难问题。基于代价下限和获益上限两种剪枝策略,提出了适用较小规模路网的精确最优路径规划算法。针对较大规模的路网,提出了两种近似算法:一种是基于最短路径扩展的启发式算法;另一种基于完全多项式时间近似模式,主要根据子路径的支配关系,对局部劣势的子路径剪枝。（4）设计并实现了最优路径规划系统将本文所提出的近似路径规划算法推广到实际应用,设计并实现了最优路径规划系统,为用户规划满足行程预算且人气值最高的旅游路线。总之,本文在研究路网环境下已有的位置规划和路径规划技术基础上,针对三种不同类型的支持位置服务的查询问题,提出了相应的解决方法,并通过大量实验验证了提出的方法的有效性和实用性。
汪恭焰[10]（2017）在《基于对象的动态视频浓缩和检索技术研究》文中研究指明如何在海量监控视频数据中快速定位有效数据已成为安防监控行业的迫切需求,而视频浓缩是满足这种需求的有效方法,它提取原始视频中的有效信息进行重构,实现快速浏览重要信息的目的。本文研究了当前主流视频浓缩的关键技术,包括前背景分割、多对象跟踪以及对象组合优化算法,同时为了提高视频浓缩的准确度,降低有效信息的损失率,提高浓缩程度,本文对这些关键技术进行了优化改进,主要工作包括:在前背景分割方面,考虑到LBSP特征对光照的鲁棒性,提出了基于LBSP特征的非参数估计背景建模方法。同时为了应对不同场景对前景提取的挑战,对传统的高斯混合模型进行了分离改进,并融合两种建模方法。在多对象跟踪方面,应用多对象匹配跟踪算法对场景进行建模和反馈,对发生碰撞和遮挡的对象进行标记,保留原始视频中的真碰撞。在对象组合方面,首次按照对象数目和分段将视频浓缩分为单对象分段浓缩、单对象非分段浓缩、多对象分段浓缩和多对象非分段浓缩,从移动特征和SIFT特征对对象进行非监督训练和监督训练实现分类,最终实现特定类的视频浓缩,并在聚类浓缩的基础上实现高效的视频检索。
二、基于IPP的多媒体多对象组件的设计与实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于IPP的多媒体多对象组件的设计与实现（论文提纲范文）
（1）基于多场景建模的三维海洋可视化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外的研究现状 |
| 1.2.2 国内的研究现状 |
| 1.2.3 三维渲染引擎发展现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第二章 相关背景知识介绍 |
| 2.1 深度学习 |
| 2.1.1 目标检测算法R-CNN |
| 2.1.2 细粒度分类 |
| 2.2 OSG三维渲染引擎介绍 |
| 2.2.1 场景图理论 |
| 2.2.2 OSG框架结构 |
| 2.2.3 OSG渲染原理 |
| 2.3 Qt可视化界面开发 |
| 2.3.1 信号与槽机制 |
| 2.3.2 MVC设计框架 |
| 2.4 本章小结 |
| 第三章 基于OSG的海洋环境三维可视化方法 |
| 3.1 引言 |
| 3.2 三维可视化方法设计 |
| 3.2.1 可视化方法框架结构 |
| 3.2.2 三维船舶模型建立 |
| 3.2.3 三维海洋场景可视化建立 |
| 3.2.4 交互界面设计 |
| 3.3 实验结果与分析 |
| 3.3.1 运行环境 |
| 3.3.2 三维海洋场景综合展示 |
| 3.3.3 可视化GUI效果展示 |
| 3.3.4 实验结果分析 |
| 3.4 本章小结 |
| 第四章 三维海洋仿真扩展及性能优化 |
| 4.1 引言 |
| 4.2 三维海洋场景可视化扩展 |
| 4.2.1 天空盒立方体贴图 |
| 4.2.2 效果展示 |
| 4.3 基于OSG粒子系统的特效扩展 |
| 4.3.1 粒子系统简介 |
| 4.3.2 OSG粒子数学模型分析 |
| 4.3.3 OSG对粒子系统的实现 |
| 4.3.4 雨雪特效模拟 |
| 4.3.5 爆炸烟雾特效模拟 |
| 4.4 三维场景渲染性能优化 |
| 4.4.1 层次细节模型(LOD)简介 |
| 4.4.2 OSG中的层次细节模型算法 |
| 4.4.3 改进LOD模型 |
| 4.4.4 实验分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 致谢 |
（2）基于稠密SLAM的多对象跟踪与重建方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 技术存在的难点 |
| 1.2 国内外研究现状 |
| 1.2.1 稠密SLAM技术研究现状 |
| 1.2.2 基于几何信息的对象跟踪技术研究现状 |
| 1.2.3 基于深度学习的对象跟踪与重建技术研究现状 |
| 1.3 论文的主要研究工作 |
| 1.4 论文的组织结构 |
| 第二章 基于稠密SLAM的跟踪与重建算法分析及设计 |
| 2.1 引言 |
| 2.2 基于表面信息的对象跟踪与重建方法 |
| 2.2.1 表面几何特征法 |
| 2.2.2 概率数据关联法 |
| 2.2.3 弯曲场更新法 |
| 2.2.4 算法分析 |
| 2.3 基于深度学习的对象跟踪与重建方法 |
| 2.3.1 R-CNN算法 |
| 2.3.2 YOLO算法 |
| 2.3.3 DeepLab算法 |
| 2.3.4 算法分析 |
| 2.4 基于稠密SLAM的多对象跟踪与重建框架设计 |
| 2.5 本章小结 |
| 第三章 基于稠密SLAM的多对象跟踪 |
| 3.1 引言 |
| 3.2 算法框架 |
| 3.3 三维对象运动姿态估计 |
| 3.3.1 运动姿态表示方法 |
| 3.3.2 ICP配准 |
| 3.3.3 直接法匹配 |
| 3.4 基于边缘优化的动态对象非监督分割 |
| 3.4.1 非监督分割策略 |
| 3.4.2 分割优化算法 |
| 3.5 基于特征检测的多动态对象跟踪 |
| 3.6 实验设计与分析 |
| 3.6.1 非监督分割实验 |
| 3.6.2 多对象跟踪实验 |
| 3.7 本章小结 |
| 第四章 基于稠密SLAM的多对象重建 |
| 4.1 引言 |
| 4.2 算法框架 |
| 4.3 模型结构与数据融合 |
| 4.3.1 Surfel数据结构 |
| 4.3.2 变形图结构 |
| 4.3.3 基于变形图结构的Surfel数据融合 |
| 4.4 全局模型更新 |
| 4.5 投影算法 |
| 4.6 回环检测算法 |
| 4.6.1 算法概述 |
| 4.6.2 局部回环检测算法 |
| 4.6.3 全局回环检测算法 |
| 4.7 实验设计与分析 |
| 4.7.1 合成场景实验 |
| 4.7.2 真实场景实验 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 学位论文数据集 |
（3）缓存、计算资源受限下无线网络吞吐量优化策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 符号表 |
| 一 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及挑战 |
| 1.3 主要研究工作 |
| 二 网络优化调度理论 |
| 2.1 网络吞吐量的图论模型 |
| 2.2 算法复杂度理论 |
| 2.3 经典调度策略 |
| 2.4 本章小结 |
| 三 缓存资源受限下吞吐量优化 |
| 3.1 系统模型与问题建模 |
| 3.2 任意拓扑下文件缓存策略的复杂度分析 |
| 3.3 一种次线性文件缓存策略 |
| 3.4 数值性能评估 |
| 3.5 本章小结 |
| 四 计算资源受限下吞吐量优化 |
| 4.1 系统模型与问题建模 |
| 4.2 任意拓扑下计算任务调度策略的复杂度分析 |
| 4.3 一种分布式任务调度策略 |
| 4.4 数值性能评估 |
| 4.5 本章小结 |
| 五 缓存-计算资源联合优化框架 |
| 5.1 面向对象组网体系结构 |
| 5.2 面向对象的转发流程设计 |
| 5.3 基于NS-3的优化框架实验评估 |
| 5.4 本章小结 |
| 六 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 博士期间发表论文 |
| 附录2 博士期间参加项目 |
（4）淮安广电智慧云媒体平台设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题背景及现状 |
| 1.2 研究内容 |
| 1.3 论文的章节安排 |
| 第二章 智慧云媒体平台总体设计 |
| 2.1 智慧云媒体平台概述 |
| 2.2 设计目标 |
| 2.3 设计原则 |
| 2.3.1 智慧云媒体平台设计依据 |
| 2.3.2 智慧云媒体平台总体业务流程 |
| 2.4 系统总体架构 |
| 2.5 系统硬件选型 |
| 2.5.1 硬件需求分析 |
| 2.5.2 设备选型 |
| 2.6 相关技术应用 |
| 2.6.1 编解码技术 |
| 2.6.2 双总线技术 |
| 2.6.3 双网技术 |
| 2.6.4 分级分层存储技术 |
| 2.6.5 多对象统一处理技术 |
| 2.6.6 网络安全技术 |
| 2.6.7 直播流媒体技术 |
| 2.6.8 流媒体时移技术 |
| 2.6.9 存储表技术 |
| 2.6.10 系统监控技术 |
| 第三章 媒体融合管控系统结构分析与设计 |
| 3.1 系统介绍 |
| 3.2 媒体管控系统需求分析 |
| 3.2.1 直播管理 |
| 3.2.2 图文管理 |
| 3.2.3 检索功能 |
| 3.2.4 权限管理 |
| 3.2.5 工作量统计 |
| 3.3 融媒体管控系统的多业务对接 |
| 3.3.1 内容服务平台 |
| 3.3.2 业务管控与运行管理平台 |
| 3.3.3 前端发布平台 |
| 第四章 媒体资产系统的结构分析与设计 |
| 4.1 系统概述 |
| 4.2 系统主要功能 |
| 4.3 系统设计 |
| 4.4 业务流程规划 |
| 4.5 系统带宽统计 |
| 4.6 在线存储 |
| 4.6.1 设备配置 |
| 4.6.2 容量、分卷配置 |
| 4.7 进线存储 |
| 4.7.1 容量配置 |
| 4.7.2 迁移策略配置 |
| 第五章 内容生产子平台结构分析与设计 |
| 5.1 系统设计 |
| 5.2 高/标清内容生产系统 |
| 5.2.1 上/下载系统 |
| 5.2.2 素材管理系统 |
| 5.2.3 编辑系统 |
| 5.2.4 字幕制作系统 |
| 5.2.5 技审系统 |
| 5.2.6 转码系统 |
| 5.3 编目系统 |
| 5.4 版权管理系统 |
| 5.5 前端分发平台 |
| 第六章 系统测试与项目评估 |
| 6.1 安全性验证 |
| 6.2 存储系统带宽验证 |
| 6.3 互联互通验证 |
| 6.4 内外网文件安全交互验证 |
| 6.4.1 系统工作流程 |
| 6.4.2 传输速率测试 |
| 6.4.3 文件类型及完整性检查 |
| 6.4.4 网络安全 |
| 6.5 存储性能测试 |
| 6.5.1 交换机配置情况 |
| 6.5.2 存储系统性能测试 |
| 6.5.3 性能测试结论 |
| 6.6 项目效果评估 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间参加的建设项目 |
（5）高速铁路运行控制系统混合事故致因模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 术语表 |
| 1 引言 |
| 1.1 选题背景和意义 |
| 1.2 问题的提出 |
| 1.3 国内外研究现状 |
| 1.3.1 事故致因模型研究 |
| 1.3.2 事故分析中人因识别及分析方法的研究 |
| 1.3.3 当前研究的不足及研究内容 |
| 1.4 论文主要内容和篇章结构 |
| 2 系统事故致因模型及研究方法综述 |
| 2.1 社会技术系统理论 |
| 2.2 系统性事故致因模型及事故分析方法 |
| 2.2.1 基于分层的社会技术系统事故模型及分析方法 |
| 2.2.2 基于功能共振事故模型及分析方法 |
| 2.2.3 基于系统理论的事故模型及分析方法 |
| 2.2.4 三种模型及方法的对比分析 |
| 2.3 人误因素建模与分析方法 |
| 2.3.1 人误及诱发因素分析 |
| 2.3.2 人误形成机理建模与分析方法 |
| 2.4 本章小结 |
| 3 高铁运行控制系统混合事故致因模型框架 |
| 3.1 高速铁路运行控制系统 |
| 3.1.1 系统组成 |
| 3.1.2 系统组件交互 |
| 3.1.3 高速铁路运行控制系统层次结构特征 |
| 3.2 高速铁路运行控制系统安全 |
| 3.2.1 系统理论安全观 |
| 3.2.2 高速铁路运行控制系统安全威胁来源 |
| 3.3 高速铁路运行控制混合事故致因模型框架 |
| 3.3.1 系统理论的模型要求 |
| 3.3.2 模型基础 |
| 3.3.3 模型内容 |
| 3.3.4 基于高速铁路运行控制混合事故致因模型的分析框架 |
| 3.4 本章小结 |
| 4 基于SACCS的高铁运行控制系统事故致因识别与权重分析 |
| 4.1 系统性事故致因分类系统—SACCS |
| 4.1.1 SACCS构建方法 |
| 4.1.2 SACCS的分层致因 |
| 4.1.3 SACCS的可靠性验证 |
| 4.2 基于网络分析法(ANP)的致因权重计算 |
| 4.2.1 网络分析法(ANP)结构 |
| 4.2.2 权重计算的基本步骤 |
| 4.3 致因识别与权重分析 |
| 4.3.1 SACCS与控制回路 |
| 4.3.2 致因识别与分析流程 |
| 4.4 本章小结 |
| 5 基于ELM的高铁运行控制系统事故致因关系及动态影响分析 |
| 5.1 高速铁路运行控制系统中的交互 |
| 5.2 透镜模型(Lens Model) |
| 5.3 基于透镜模型的系统事故致因关系分析 |
| 5.3.1 高速铁路运行控制系统交互的透镜模型 |
| 5.3.2 拓展型透镜模型分析应用 |
| 5.4 基于级联失效的事故致因关系动态影响分析 |
| 5.4.1 系统性事故致因关系网络—SACN |
| 5.4.2 事故致因关系动态影响分析 |
| 5.5 本章小结 |
| 6 基于Krippendorff-Alpha的高铁运行控制系统事故致因模型评价 |
| 6.1 系统事故致因模型评价指标体系 |
| 6.1.1 系统性文献综述方法 |
| 6.1.2 模型评价指标 |
| 6.2 高铁运行控制混合事故致因模型评价 |
| 6.2.1 调查问卷和数据收集 |
| 6.2.2 Krippendorff-α计算方法 |
| 6.2.3 模型可靠性计算 |
| 6.2.4 模型效用计算 |
| 6.3 本章小结 |
| 7 案例分析:“7.23”甬温铁路事故致因分析及评价 |
| 7.1 案例介绍 |
| 7.1.1 线路和设备情况 |
| 7.1.2 事故发生经过 |
| 7.2 基于高速铁路运行控制混合事故致因模型的分析 |
| 7.2.1 事故相关的系统及系统危险 |
| 7.2.2 系统分层安全控制结构 |
| 7.2.3 事故致因识别及权重分析 |
| 7.2.4 事故致因关系及动态影响分析 |
| 7.3 本章小结 |
| 8 结论 |
| 8.1 研究结果 |
| 8.2 论文创新点 |
| 8.3 展望 |
| 参考文献 |
| 附录A 事故致因检索文献列表 |
| 附录B 高铁列控系统混合事故致因模型评价 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）复杂场景下的视觉对象跟踪建模及算法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 视觉对象跟踪系统结构 |
| 1.3 国内外研究现状 |
| 1.3.1 生成式跟踪方法 |
| 1.3.2 判别式跟踪方法 |
| 1.4 存在的问题与挑战 |
| 1.5 研究内容及贡献 |
| 1.6 论文内容组织 |
| 2 基于SOM网络及相关滤波器的对象跟踪 |
| 2.1 研究背景 |
| 2.2 研究动机与贡献 |
| 2.3 方法概述 |
| 2.3.1 核化相关滤波算法 |
| 2.3.2 对象位移滤波器 |
| 2.3.3 对象尺度滤波器 |
| 2.3.4 长期记忆滤波器 |
| 2.3.5 在线检测器 |
| 2.4 方法实现 |
| 2.5 试验结果 |
| 2.5.1 试验设置 |
| 2.5.2 整体性能 |
| 2.5.3 复杂场景测试 |
| 2.5.4 组件修改研究 |
| 2.5.5 实验结果比较 |
| 2.6 本章总结 |
| 3 基于卷积神经网络和相关滤波器的对象跟踪 |
| 3.1 研究背景 |
| 3.2 相关工作 |
| 3.3 方法概述 |
| 3.4 方法实现 |
| 3.4.1 区域提名方法 |
| 3.4.2 卷积层特征提取 |
| 3.4.3 卷积层目标定位 |
| 3.4.4 自适应特征融合 |
| 3.4.5 外观模型更新 |
| 3.4.6 算法实现 |
| 3.5 实验结果 |
| 3.5.1 评测指标 |
| 3.5.2 整体性能评估 |
| 3.5.3 复杂场景评估 |
| 3.5.4 组件修改对比实验 |
| 3.5.5 层特征差异分析 |
| 3.5.6 评价结果分析 |
| 3.6 本章总结 |
| 4 基于可变形卷积神经网络的多对象跟踪 |
| 4.1 研究背景 |
| 4.2 相关工作 |
| 4.3 方法概述 |
| 4.3.1 可变形卷积和可变形池化 |
| 4.3.2 卡尔曼滤波器 |
| 4.3.3 轨迹片段生成 |
| 4.3.4 系统架构 |
| 4.4 方法实现 |
| 4.5 实验结果 |
| 4.5.1 实验设置 |
| 4.5.2 评价标准 |
| 4.5.3 特征提取分析 |
| 4.5.4 OBT上的跟踪结果 |
| 4.5.5 PETS上的跟踪结果 |
| 4.5.6 TUD-Stadtmitte上的跟踪结果 |
| 4.5.7 CAVIAR上的跟踪比较 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读学位期间发表的论文目录 |
| B.作者在攻读学位期间取得的科研成果目录 |
| C.学位论文数据集 |
| 致谢 |
（7）面向纸基包装印刷的增强现实系统设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容及架构 |
| 第二章 相关技术介绍 |
| 2.1 增强现实技术介绍 |
| 2.1.1 跟踪注册技术 |
| 2.1.2 智能显示技术 |
| 2.1.3 人机交互技术 |
| 2.2 Android平台介绍 |
| 2.2.1 Android平台系统架构 |
| 2.2.2 Android平台开发 |
| 2.3 Unity3D引擎介绍 |
| 2.3.1 Unity3D概念 |
| 2.3.2 Unity3D常用函数 |
| 2.4 增强现实开发工具包介绍 |
| 2.5 本章小结 |
| 第三章 面向纸基包装印刷的增强现实系统分析 |
| 3.1 系统需求分析 |
| 3.2 系统功能分析 |
| 3.2.1 技术导向的功能分析 |
| 3.2.2 用户导向的功能分析 |
| 3.2.3 系统功能模块 |
| 3.3 系统层次架构及工作流程 |
| 3.4 本章小结 |
| 第四章 系统支撑技术及资源准备 |
| 4.1 VuforiaSDK技术介绍 |
| 4.1.1 Vuforia架构 |
| 4.1.2 Vuforia跟踪注册技术 |
| 4.1.3 Vuforia相机对焦 |
| 4.2 三维模型设计 |
| 4.3 多媒体支持 |
| 4.4 虚拟漫游技术 |
| 4.5 本章总结 |
| 第五章 校医院印刷导视增强现实系统设计 |
| 5.1 系统开发环境搭建 |
| 5.1.1 硬件开发环境 |
| 5.1.2 软件开发环境 |
| 5.1.3 开发环境搭建 |
| 5.2 功能模块设计 |
| 5.2.1 用户界面设计 |
| 5.2.2 智能助手模块 |
| 5.2.3 楼层导视模块 |
| 5.2.4 医院概况模块 |
| 5.2.5 医院漫游模块 |
| 5.3 系统发布及测试 |
| 5.4 本章小结 |
| 第六章 面向纸基包装印刷的增强现实系统案例 |
| 6.1 面向纸基包装印刷的增强现实系统 |
| 6.2 面向纸基包装印刷的增强现实系统案例 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结及创新点 |
| 7.3 不足与进一步的工作 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）自然场景图像中文本的检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 场景文本检测研究现状 |
| 1.3 本文主要工作与创新点 |
| 1.4 论文组织结构 |
| 第二章 自然场景文本检测技术概述 |
| 2.1 文本检测方法及其分类 |
| 2.1.1 普通对象检测方法 |
| 2.1.2 基于连通区域组件的文本检测方法 |
| 2.1.3 基于滑动窗口的文本检测方法 |
| 2.1.4 基于两者融合的文本检测方法 |
| 2.2 基于连通组件提取与分析的文本检测方法 |
| 2.2.1 笔画宽度变换算法(SWT) |
| 2.2.2 最大稳定极值区域算法(MSER) |
| 2.3 基于深度学习模型的文本检测方法 |
| 2.3.1 神经网络基础 |
| 2.3.2 卷积神经网络 |
| 2.4 本章小结 |
| 第三章 基于多层次文本组件定位与生长的文本检测方法 |
| 3.1 字符检测 |
| 3.1.1 文本种子像素检测 |
| 3.1.2 字符内生长 |
| 3.1.3 字符间生长 |
| 3.1.4 候选字符提取 |
| 3.2 随机游走模型 |
| 3.3 基于重启随机游走算法的文本行提取 |
| 3.4 实验结果 |
| 3.4.1 实验环境 |
| 3.4.2 数据集与性能评价协议 |
| 3.4.3 结果比较与分析 |
| 3.5 本章小结 |
| 第四章 基于窗口最大稳定极值区域的文本检测方法 |
| 4.1 窗口最大稳定极值区域提取 |
| 4.1.1 最大稳定极值区域平滑图 |
| 4.1.2 窗口最大稳定极值区域 |
| 4.2 文本区域过滤和分类 |
| 4.2.1 非文本区域过滤 |
| 4.2.2 基于卷积神经网络的文字区域分类 |
| 4.3 文本行提取 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据集 |
| 4.4.2 字符级别结果 |
| 4.4.3 文本行级别结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 硕士期间科研成果 |
| 致谢 |
（9）路网环境下支持位置服务的查询处理技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 欧式空间中位置相关查询技术 |
| 1.1.2 路网环境下的位置相关查询技术 |
| 1.2 本文的研究内容和组织结构 |
| 1.2.1 研究内容 |
| 1.2.2 组织结构 |
| 第2章 相关工作 |
| 2.1 最优位置查询的相关工作 |
| 2.1.1 欧式空间最优位置查询的相关工作 |
| 2.1.2 路网环境下最优位置查询的相关工作 |
| 2.2 最优路径查询的相关工作 |
| 2.2.1 基于代价约束的最优路径查询 |
| 2.2.2 支持关键字的最优路径查询 |
| 2.2.3 考虑流行程度的最优路径查询 |
| 2.3 本章小节 |
| 第3章 支持关键字的最优位置查询方法 |
| 3.1 问题提出 |
| 3.2 问题描述 |
| 3.3 最优位置查询的基本方法 |
| 3.3.1 距离下界 |
| 3.3.2 路网的存储 |
| 3.3.3 计算交叉节点和对象之间的最短距离 |
| 3.3.4 计算对象之间的最短距离 |
| 3.3.5 MinSum-KOL算法 |
| 3.4 最优位置查询的改进方法 |
| 3.4.1 边剪枝策略 |
| 3.4.2 关键字过滤策略 |
| 3.4.3 KOL-KFEP算法 |
| 3.4.4 KOL-KFEP算法的复杂度 |
| 3.5 实验分析 |
| 3.5.1 实验设置 |
| 3.5.2 实验结果 |
| 3.6 本章小节 |
| 第4章 支持关键字的兴趣点查询方法 |
| 4.1 问题提出 |
| 4.2 问题描述 |
| 4.3 预备知识 |
| 4.3.1 Voronoi图 |
| 4.3.2 网络Voronoi图 |
| 4.3.3 R-tree索引结构 |
| 4.4 兴趣点查询的基本方法 |
| 4.5 兴趣点查询的改进方法 |
| 4.5.1 剪枝策略 |
| 4.5.2 改进的索引结构 |
| 4.5.3 ImprovedKPI算法 |
| 4.5.4 ImprovedKPI算法的复杂度 |
| 4.6 实验分析 |
| 4.6.1 实验设置 |
| 4.6.2 实验结果 |
| 4.7 本章小节 |
| 第5章 约束条件下的最优路径规划方法 |
| 5.1 问题提出 |
| 5.2 问题描述 |
| 5.2.1 问题定义 |
| 5.2.2 问题复杂性分析 |
| 5.3 精确算法 |
| 5.3.1 剪枝策略 |
| 5.3.2 ExactSearch算法 |
| 5.4 近似算法 |
| 5.4.1 启发式算法 |
| 5.4.2 BSScaling算法 |
| 5.5 实验分析 |
| 5.5.1 实验设置 |
| 5.5.2 精确算法实验结果 |
| 5.5.3 近似算法实验结果 |
| 5.6 本章小节 |
| 第6章 最优路径规划系统的设计与实现 |
| 6.1 系统的结构 |
| 6.2 系统开发的相关技术 |
| 6.2.1 百度地图API |
| 6.2.2 AJAX架构 |
| 6.3 系统的实现 |
| 6.3.1 地图初始化功能的实现 |
| 6.3.2 用户查询请求处理模块的实现 |
| 6.3.3 路径规划模块的实现 |
| 6.3.4 查询结果显示模块的实现 |
| 6.4 系统的演示 |
| 6.4.1 系统的运行环境 |
| 6.4.2 主要功能模块的演示 |
| 6.5 本章小节 |
| 第7章 结束语 |
| 7.1 本文的主要贡献与结论 |
| 7.2 未来的研究方向 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
| 参加科研课题情况 |
| 个人简历 |
（10）基于对象的动态视频浓缩和检索技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 当前存在的问题 |
| 1.4 本文工作及安排 |
| 第二章 前背景分割 |
| 2.1 概述 |
| 2.1.1 传统的背景建模方法 |
| 2.1.2 近代背景建模方法 |
| 2.2 基于LBSP特征的非参数估计模型 |
| 2.3 分离高斯模型 |
| 2.4 评价模型 |
| 2.5 实验 |
| 第三章 多对象跟踪与提取 |
| 3.1 概述 |
| 3.2 颜色直方图与SIFT特征 |
| 3.3 对象匹配与场景建模 |
| 3.4 评价模型 |
| 3.5 实验 |
| 第四章 浓缩视频的生成及其检索 |
| 4.1 概述 |
| 4.2 基本浓缩方式 |
| 4.3 分类方法 |
| 4.4 对象和背景的无缝融合 |
| 4.5 基于对象的视频检索 |
| 4.6 实验 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于IPP的多媒体多对象组件的设计与实现（论文参考文献）
- [1]基于多场景建模的三维海洋可视化研究[D]. 张成城. 南京邮电大学, 2020(03)
- [2]基于稠密SLAM的多对象跟踪与重建方法[D]. 王杨庆. 浙江工业大学, 2020(02)
- [3]缓存、计算资源受限下无线网络吞吐量优化策略研究[D]. 刘铂熙. 华中科技大学, 2020(01)
- [4]淮安广电智慧云媒体平台设计与实现[D]. 周海荣. 南京邮电大学, 2018(02)
- [5]高速铁路运行控制系统混合事故致因模型研究[D]. 李辰岭. 北京交通大学, 2019(04)
- [6]复杂场景下的视觉对象跟踪建模及算法研究[D]. 张元平. 重庆大学, 2019(01)
- [7]面向纸基包装印刷的增强现实系统设计研究[D]. 刘亭利. 华南理工大学, 2018(01)
- [8]自然场景图像中文本的检测方法研究[D]. 丁文俊. 南京大学, 2018(01)
- [9]路网环境下支持位置服务的查询处理技术[D]. 鲍金玲. 东北大学, 2017(01)
- [10]基于对象的动态视频浓缩和检索技术研究[D]. 汪恭焰. 长春理工大学, 2017(02)