导读:本文包含了关键帧论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:关键,特征,神经网络,视频,卷积,图像,动作。
关键帧论文文献综述
毋立芳,赵宽,简萌,王向东[1]（2019）在《级联手工特征与深度特征的视频关键帧检测方法》一文中研究指出关键帧检测是有效的视频内容分析的关键环节。常用的基于手工特征的方法运行效率高但很难有效表征关键帧特征,因而性能不好。基于深度特征的方法因为网络结构复杂,导致效率不高。在体育比赛类视频中,关键帧常为比赛转播中镜头变化的最后一帧。但广播视频中除了包含比赛视频还包括很多其他类型的镜头如中场休息、渐变镜头等。因此检测最后一帧包含很多比赛无关内容。针对这一问题,本文提出了一种手工特征与深度特征相结合的视频关键帧检测方法。首先基于颜色直方图特征进行镜头边界检测获取最后一帧。进一步基于直方图相似性提出一种类似聚类的方法得到候选关键帧。最后,基于深度神经网络对候选关键帧进行分类,得到真正的关键帧。在冰壶比赛视频和篮球比赛视频上的对比实验结果表明,相对于传统的背景差分法、光流法等,本文提出方法能够快速、可靠地提取关键帧。(本文来源于《信号处理》期刊2019年11期）
张晓宇,张云华[2]（2019）在《基于融合特征的视频关键帧提取方法》一文中研究指出当前对视频的分析通常是基于视频帧,但视频帧通常存在大量冗余,所以关键帧的提取至关重要.现有的传统手工提取方法通常存在漏帧,冗余帧等现象.随着深度学习的发展,相对传统手工提取方法,深度卷积网络可以大大提高对图像特征的提取能力.因此本文提出使用深度卷积网络提取视频帧深度特征与传统方法提取手工特征相结合的方法提取关键帧.首先使用卷积神经网络对视频帧进行深度特征提取,然后基于传统手工方法提取内容特征,最后融合内容特征和深度特征提取关键帧.由实验结果可得本文方法相对以往关键帧提取方法有更好的表现.(本文来源于《计算机系统应用》期刊2019年11期）
李顺,郭星,吴建国[3]（2019）在《基于关键帧和骨骼信息的人体动作识别方法》一文中研究指出提出了一种基于关键帧和骨骼信息的动作识别新方法。通过深度传感器Kinect v2实时获取人体各骨骼点信息,通过采用加权K-means算法提取动作视频中的关键帧。通过每个关键帧中25个骨骼点的叁维坐标值,计算出关节角度和向量模比值两种特征量,通过优化后的动态时间规整(DTW)算法计算关键帧序列与模板库中动作模板的相似度,从而识别人体的实时动作。通过对6种常见动作的识别实验对比,结果表明:所提方法在识别速度和准确率上较高,具有实际推广性。(本文来源于《传感器与微系统》期刊2019年11期）
王峥[4]（2019）在《非同质运动图像关键帧耦合特征识别仿真》一文中研究指出采用当前方法识别非同质运动图像关键帧的耦合特征时,识别所用的时间较长,得到的识别结果与实际不符,存在识别效率低和识别结果准确率低的问题。提出非同质运动图像关键帧耦合特征识别方法,根据噪声属性和像素灰度值属性划分非同质运动图像,结合粗糙集理论融合增强划分子块并最终得到子图。采用不预设K-均值聚簇算法对增强后的非同质运动图像做聚簇处理,通过相似距离提取每个簇中与聚簇中心距离最近的帧作为关键帧,提取关键帧中的时间序列,根据时间序列得到非同质运动图像关键帧的耦合特征,将关键帧耦合特征输入K最近邻混合分类器中,实现非同质运动图像关键帧耦合特征的识别。仿真结果表明,所提方法的识别效率高、识别准确率高。(本文来源于《计算机仿真》期刊2019年10期）
Jorge,Michel,Díaz,Rodriguez,姚品,万旺根[5]（2019）在《基于直方图计算与分析的视频关键帧选取方法》一文中研究指出目前视频在教育、健康、工业等领域有着广泛的应用。这一领域的重要研究表明,视频和图像的处理仍然是一个挑战,进一步的深入研究是相当复杂的。在过去的几十年里,在这一领域的研究中,人们提出了不同的方法和应用。最常用的一种方法是通过关键帧提取技术来对视频数据进行压缩。提出了一种简单、快速、高效、复杂度低的方法,该方法利用直方图差异来实现视频关键帧。算法在读取视频、确定该视频的帧数以及通过计算两个连续帧绝对差的均值和标准差来提高这些帧之间的对比度之后,引入一种均衡化技术来计算每一帧的直方图,这样就可以计算出视频帧之间的直方图差值。之后再进行适当的阈值比较,如果连续两帧之间的直方图差值大于之前计算的阈值,那么当前帧就被选作关键帧。结果表明,该算法不仅复杂度低,而且简单有效。(本文来源于《电子测量技术》期刊2019年19期）
马超,陈子豪,宋洁云,谢从华[6]（2019）在《基于关键帧Haar小波分解和SURF特征的视频拼接研究》一文中研究指出针对当前视频拼接速度较慢的问题,提出了一种基于关键帧Haar小波分解和SURF特征的视频拼接方法.首先,利用差分法提取视频关键帧并用Haar小波分解向下抽样降低图像分辨率;其次,几何校正关键帧小波分解的低通滤波图像;再次,基于低通滤波图像的SURF特征实现图像配准;最后,基于渐入渐出的融合算法实现图像融合.实验结果表明,本文方法在保证拼接质量的前提下可以大大提高视频拼接速度.(本文来源于《常熟理工学院学报》期刊2019年05期）
王燕妮,雒津津,王殿伟[7]（2019）在《关键帧结合幅值直方图熵的异常行为检测算法》一文中研究指出异常行为的检测在智能监控系统中具有十分重要的应用。论文提出了一种将关键帧与加权方向角熵值结合的异常行为智能检测方法。该方法首先利用一种像素级的背景提取算法(Visual Background Extractor,VIBE)从视频序列中检测出运动目标,然后提取运动目标幅值加权的方向角特征,并利用改进的无监督聚类方法提取关键帧,最后结合幅值加权方向角熵的方法对异常行为进行检测分类。实验结果表明,该算法能够在指定的监控区域内有效地检测人体行为,并能准确地识别出人体异常行为,实现对监控视频的智能分析。(本文来源于《计算机与数字工程》期刊2019年09期）
吴靖,李少康,王家宝[8]（2019）在《基于关键帧的视频结构化系统研究与实现》一文中研究指出随着移动多媒体快速发展,视频的生成速度呈指数增长,视频浏览的工作量和存储的数据量日益庞大。为了实现快速浏览和高效存储,视频结构化方法越来越引人关注。文章围绕快速浏览和高效存储视频内容,研究了基于关键帧的视频结构化方法,采取HSV空间颜色特征直方图提取关键帧的方式,利用OPENCV计算机视觉库设计实现软件系统,并对系统做出测试和评价。(本文来源于《电脑知识与技术》期刊2019年26期）
蔡冠蓝[9]（2019）在《柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取》一文中研究指出为了解决传统方法在场景复杂的情况下,因无法保证时间与空间上的连续性,导致乒乓球动作识别错误,影响关键帧提取性能的问题,将柔性姿态估计和时空特征结合在一起,研究乒乓球动作视频片段关键帧提取问题。依据稠密光流对乒乓球动作视频片段进行分段。对单帧图像人体柔性姿态进行估计,通过可分离线性滤波器时空特征点检测方法对乒乓球动作视频图像序列特征点的检测,将时空特征点当成中心建立时空立方体,提取时空立方体的像素建立时空特征。为了保证时间与空间上的连续性,引入时空特征边,得到有时空特征的柔性姿态估计结果。通过直方图相交法求出乒乓球动作视频片段中姿态相似度,计算全部姿态的Hog间差异度,构成差异度矩阵。在当前帧姿态差异度超过阈值的情况下认为当前帧为关键帧。实验结果表明,所提方法针对不同场景的保真率与压缩率一直高于0. 7,处于较高水平;主观评价结果好,可提取合理关键帧。可见所提方法对复杂场景的关键帧提取性能优,主观与客观评价结果好。(本文来源于《科学技术与工程》期刊2019年25期）
王能[10]（2019）在《基于关键帧与多特征融合的烟雾识别算法研究》一文中研究指出在烟雾视频监控技术中,针对烟雾识别算法中特征提取计算量大、特征选择单一的问题,提出了一种基于关键帧与多特征融合的烟雾识别算法。首先结合主成分分析(PCA)和聚类算法对视频进行关键帧采样,减少视频帧间的冗余信息,然后建立烟雾视频的静态特征HOG、动态特征LBP-TOP模型,将这两种特征送入极限学习机(ELM)中进行识别。实验结果表明,该算法能够有效剔除视频帧间的冗余图像帧,提高了烟雾识别算法的正确率和识别效率。(本文来源于《电脑知识与技术》期刊2019年21期）
关键帧论文开题报告
（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：
当前对视频的分析通常是基于视频帧,但视频帧通常存在大量冗余,所以关键帧的提取至关重要.现有的传统手工提取方法通常存在漏帧,冗余帧等现象.随着深度学习的发展,相对传统手工提取方法,深度卷积网络可以大大提高对图像特征的提取能力.因此本文提出使用深度卷积网络提取视频帧深度特征与传统方法提取手工特征相结合的方法提取关键帧.首先使用卷积神经网络对视频帧进行深度特征提取,然后基于传统手工方法提取内容特征,最后融合内容特征和深度特征提取关键帧.由实验结果可得本文方法相对以往关键帧提取方法有更好的表现.
（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。
关键帧论文参考文献
[1].毋立芳,赵宽,简萌,王向东.级联手工特征与深度特征的视频关键帧检测方法[J].信号处理.2019
[2].张晓宇,张云华.基于融合特征的视频关键帧提取方法[J].计算机系统应用.2019
[3].李顺,郭星,吴建国.基于关键帧和骨骼信息的人体动作识别方法[J].传感器与微系统.2019
[4].王峥.非同质运动图像关键帧耦合特征识别仿真[J].计算机仿真.2019
[5].Jorge,Michel,Díaz,Rodriguez,姚品,万旺根.基于直方图计算与分析的视频关键帧选取方法[J].电子测量技术.2019
[6].马超,陈子豪,宋洁云,谢从华.基于关键帧Haar小波分解和SURF特征的视频拼接研究[J].常熟理工学院学报.2019
[7].王燕妮,雒津津,王殿伟.关键帧结合幅值直方图熵的异常行为检测算法[J].计算机与数字工程.2019
[8].吴靖,李少康,王家宝.基于关键帧的视频结构化系统研究与实现[J].电脑知识与技术.2019
[9].蔡冠蓝.柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取[J].科学技术与工程.2019
[10].王能.基于关键帧与多特征融合的烟雾识别算法研究[J].电脑知识与技术.2019
论文知识图
