导读:本文包含了视频结构化分析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:结构化,视频,数据,智慧,城市,单元,目标。
视频结构化分析论文文献综述
翁利国,邱海锋,陈杰,练德强[1]（2019）在《视频结构化分析平台建设的技术思考》一文中研究指出视频结构化分析平台利用机器自动处理,完成视频信息处理分析,并在视频监控过程中,快速完成数据信息提取过程,最后于中央数据库内存储。文章基于视频结构化分析平台建设的目标,分析了视频结构化分析平台建设的需求,并对中心控制管理单元、视频结构化处理单元、视频数据管理单元、综合网管管理单元4种视频结构化分析平台单元建设技术进行了分析。(本文来源于《中国高新科技》期刊2019年17期）
余彬,翁利国,邱海锋,张阳辉[2]（2019）在《大数据应用下视频结构化分析》一文中研究指出"视频结构化分析"是大数据应用重要组成部分之一,具有一定的影响作用。目前,我国大数据应用技术不断创新,"视频结构化分析"在大数据应用中日益突显,基于现阶段我国大数据应用下视频结构化分析存在的问题现状,结合"视频结构化分析"的未来发展,对"视频结构化分析技术"进行建议提出,为下一步工作开展奠定基础。(本文来源于《科技创新导报》期刊2019年22期）
陈硕[3]（2018）在《监控视频结构化分析的研究与系统实现》一文中研究指出当前,在互联网上传输的视频数据占据了网络流量的大约70%。毫不夸张的说,视频数据是大数据时代最大的数据。如何让计算机更好的看清与理解眼前的世界不是一个简单的问题,近年来也一直是计算机视觉研究的热点。近年来深度学习的算法获得了快速发展。基于深度学习的计算机视觉方法在大部分情况下能更好的解决计算机视觉的相关任务,目前已经是产业界与学术界的共识。为了更好的让计算机理解镜头前的景物,本文探索计算机视觉应用中的众多核心算法,以社会需求与自己的实际项目为驱动,对计算机软件,硬件与相关算法进行综合设计与研发。本文分为两个部分,第一部分是本人以多目标检测,多目标跟踪等为切入点进行研究开发。第二部分是本人挖掘社会实际需求研发完成的叁个互相关联的项目。在所完成的项目中,主要研究了计算机视觉中的以下问题:1.用基于深度学习的算法对每一帧进行多目标检测已经能够达到实时,但是对每一帧图像进行目标检测无法确定前后帧之间同一个目标的关系,这样无法得知目标在场景中的运动轨迹,目标出现和离开位置与时间等。为解决这个问题,本文设计了一种综合外观与运动特征的高速目标跟踪算法与多目标检测算法进行结合,实验对比传统的基于移动侦测与多目标跟踪算法在实际项目应用中的效果表明本文方法具有检测跟踪速度快,效果好的特点。2.基于深度学习的目标检测算法对较大的目标,例如行人车辆检测效果较好,但是对视频中较小目标例如行人的衣着,车辆的年检标志检测效果较差。经过分析这是由于卷积神经网络在特征提取中,由于卷积与池化造成特征精度不够因而难以准确的定位。为了解决这个问题本文采用了串级神经网络的方法进行场景中目标细节的分析。将一级检测网络检测到的目标从图像中取出,投入二级网络进行精细化识别,较好的解决了对视频中目标细节特征识别的问题。3.在实际的项目应用中串级神经网络对远处的较小的目标进行精细化识别依然效果不够理想。经过分析这主要是由于远处的目标在镜头中分辨率特别低,深度学习算法对小目标检测效果不好,对目标的细节特征确认困难。为解决这个问题,本文设计了一套硬件系统,系统采用云台控制的变焦镜头对固定枪机检测并跟踪的目标逐个进行细节抓拍,之后识别人脸,针对室外远程抓拍到的人脸容易受到光照影响的问题,论文利用GAN网络进行了光照修复,经过对比,本文方法优于传统的图像增强算法。4.为了在系统层面解决传统的监控系统难以兼顾看得广与看得清的问题,本文设计实现了一种基于增强现实的摄像头AI高点立体云防控系统。并介绍了其中的核心算法一种基于神经网络的增强现实坐标关联算法。为了提升增强现实标签的定位精度,需要获知场景中的目标深度信息,但又不能增加系统的硬件成本。论文提出了一种基于GAN的单目深度估计方法,设计了一种环式损失函数。这种方法在NYU-Depth数据集上对比之前的方法取得了较好的实验结果并具有较大的改进空间。5.高空抛物检测系统是社区安防监控结构化系统的一部分,但是目前尚未有一种真正有效通过视频来检测高空抛物的手段。目前虽然有一些基于计算机视觉的产品采用移动侦测算法,来检测高空抛物的过程,但这些产品实际效果并不理想。这主要是由于监控图像背景变化复杂,单一的利用计算机视觉的方法很难解决高空抛物检测问题。本文介绍了一种利用无线信号回波多普勒效应检测到目标坠落的时间,利用交叉布置的多点枪形摄像机对居民楼进行录像,利用双目视差法计算抛物楼层与窗口进行取证的方法。本文方法采用无线信号处理的方法解决计算机视觉中的难点,取得了较好的实际应用效果。(本文来源于《山东大学》期刊2018-05-19）
陈海燕[4]（2018）在《基于人脸识别技术的视频结构化智能分析平台》一文中研究指出随着经济科学的快速发展和城市智能化的大步迈进,人、财、物流动加剧,社会面的信息千变万换,社会治安日趋复杂,极大地增加了公安机关管理社会的难度。传统的治安管理和社会防控工作的方法和手段很难满足当前的工作需求。人员与车辆是一切犯罪行为的主体,是社会治安中最关键的因素,掌控住人员和车辆就掌控住了社会治安防控体系中最关键的因素。大数据时代,人员和车辆的行为和轨迹已经进入数字化、可视化、联网化,这为破解社会治理难题、防控公共安全风险提供了新思路、新途径。如果能够对人员、车辆的行为和(本文来源于《中国安防》期刊2018年Z1期）
巩珏[5]（2017）在《视频结构化分析助推智慧城市物联网新时代》一文中研究指出视频结构化分析技术紧贴视频内容分析、提取,为维护社会公共安全、打造智慧城市,应用现有的视频系统的新技术,能够使之更好地适应物联网时代视频智慧化、情报化的应用需求。目前各地加紧推进平安城市的深入建设,每天产生海量的监控视频数据,通过分析作为物联网视觉感知重要来源的视频数据,可以构建很多智能服务。(本文来源于《中国安防》期刊2017年12期）
周文[6]（2017）在《视频结构化分析平台建设技术需求方案》一文中研究指出在公安信息化建设深入开展的背景下,现有视频监控网络存在着缺乏深度应用的模式。其应用的瓶颈是视频信息如何高效提取,如何同其他信息系统进行标准数据交换、互联互通及语义互操作。解决这一问题的核心技术即是视频结构化描述的技术。用视频结构化描述技术提升公安在视频侦查、破案方面的效能,使之形成新一代的智慧化、语义化、情报化的视频处理工具系统。视频结构化分析平台采用先进的图像处理技术、视频结构化描述技术、云计算技术实现视频图像结构化处理,实现以机器自动处理为主的视频信息处理和分析,快速提取实时监控视频(本文来源于《中国公共安全》期刊2017年04期）
李昊[7]（2017）在《视频结构化分析技术推动智慧城市大数据发展》一文中研究指出智慧城市建设的挑战十八大报告指出"坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路,推动信息化和工业化深度融合、工业化和城镇化良性互动、城镇化和农业现代化相互协调,促进二业化、信息化、城镇化、农业现代化同步发展。"当前,能源短缺、交通拥堵、环境污染、社会治安、城市规划、社会保障等城市病的加速蔓延成为城市发展面临的主要问题。纵观人类历史,从农业社会到工业社会再到信息社会,每次变革的背后都(本文来源于《中国公共安全》期刊2017年04期）
周宇杰[8]（2016）在《藏在大数据应用背后的视频结构化分析》一文中研究指出在搜索引擎中输入"红色",即可搜出该网站上所有包含"红色"二字的文字信息,这是我们熟知的"关键字"搜索。视频结构化分析所做的与此类似,不过是针对影像文件——输入"红色"二字,即可搜出所有内容中有红色目标出现的所有视频。视频结构化分析与大数据的关系根据DNET《数据中心2013:硬件重构与软件定义》年度技术报告,至2020年,中国产生的数据将达(本文来源于《中国公共安全》期刊2016年17期）
邓晔[9]（2016）在《视频结构化分析技术推动智慧城市大数据发展》一文中研究指出智慧城市建设的挑战十八大报告指出"坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路,推动信息化和工业化深度融合、工业化和城镇化良性互动、城镇化和农业现代化相互协调,促进工业化、信息化、城镇化、农业现代化同步发展。"当前,能源短缺、交通拥堵、环境污染、社会治安、城市规划、社会保障等城市病的加速蔓延(本文来源于《中国公共安全》期刊2016年17期）
邓晔[10]（2015）在《视频结构化分析技术推动智慧城市大数据发展》一文中研究指出智慧城市建设的挑战十八大报告指出"坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路,推动信息化和工业化深度融合、工业化和城镇化良性互动、城镇化和农业现代化相互协调,促进工业化、信息化、城镇化、农业现代化同步发展。"当前,能源短缺、交通拥堵、环境污染、社会治安、城市规划、社会保障等城市病的加速蔓延成为城市发展面临的主要问题。纵观人类历史,从农业社(本文来源于《中国公共安全》期刊2015年24期）
视频结构化分析论文开题报告
（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：
"视频结构化分析"是大数据应用重要组成部分之一,具有一定的影响作用。目前,我国大数据应用技术不断创新,"视频结构化分析"在大数据应用中日益突显,基于现阶段我国大数据应用下视频结构化分析存在的问题现状,结合"视频结构化分析"的未来发展,对"视频结构化分析技术"进行建议提出,为下一步工作开展奠定基础。
（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。
视频结构化分析论文参考文献
[1].翁利国,邱海锋,陈杰,练德强.视频结构化分析平台建设的技术思考[J].中国高新科技.2019
[2].余彬,翁利国,邱海锋,张阳辉.大数据应用下视频结构化分析[J].科技创新导报.2019
[3].陈硕.监控视频结构化分析的研究与系统实现[D].山东大学.2018
[4].陈海燕.基于人脸识别技术的视频结构化智能分析平台[J].中国安防.2018
[5].巩珏.视频结构化分析助推智慧城市物联网新时代[J].中国安防.2017
[6].周文.视频结构化分析平台建设技术需求方案[J].中国公共安全.2017
[7].李昊.视频结构化分析技术推动智慧城市大数据发展[J].中国公共安全.2017
[8].周宇杰.藏在大数据应用背后的视频结构化分析[J].中国公共安全.2016
[9].邓晔.视频结构化分析技术推动智慧城市大数据发展[J].中国公共安全.2016
[10].邓晔.视频结构化分析技术推动智慧城市大数据发展[J].中国公共安全.2015
论文知识图
