| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本文研究背景及意义 | 第10-11页 |
| 1.2 视频监控中的香烟烟雾识别的研究现状 | 第11-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 第2章 视频监控中的香烟烟雾特征分析及研究 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 香烟烟雾视频的获取及预处理 | 第16-20页 |
| 2.2.1 香烟烟雾视频数据集的建立 | 第16页 |
| 2.2.2 烟雾视频的预处理 | 第16-20页 |
| 2.3 香烟烟雾静态特性的分析研究 | 第20-29页 |
| 2.3.1 基于纹理的统计度量特征 | 第20-25页 |
| 2.3.2 香烟烟雾的颜色特征 | 第25-29页 |
| 2.4 香烟烟雾动态特性的分析研究 | 第29-32页 |
| 2.4.1 单高斯背景模型 | 第30-31页 |
| 2.4.2 获取烟雾运动区域 | 第31页 |
| 2.4.3 烟雾动态特征的提取 | 第31-32页 |
| 2.5 视频特征的提取方式 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 香烟烟雾视频特征选择方法的研究 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 经典特征选择算法的分析研究 | 第34-37页 |
| 3.2.1 向前及向后搜索算法 | 第34-35页 |
| 3.2.2 +L-R搜索算法 | 第35-36页 |
| 3.2.3 Simba特征选择算法 | 第36-37页 |
| 3.3 基于互信息的Simba特征选择算法 | 第37-42页 |
| 3.3.1 互信息 | 第37-40页 |
| 3.3.2 Simba算法目标评估函数的优化 | 第40-41页 |
| 3.3.3 基于互信息的 Simba 算法 | 第41-42页 |
| 3.4 特征选择算法的比较 | 第42-45页 |
| 3.4.1 实验设置 | 第42页 |
| 3.4.2 实验方法及结果分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 烟雾识别分类器的设计 | 第46-64页 |
| 4.1 引言 | 第46页 |
| 4.2 常用分类器的分析研究 | 第46-54页 |
| 4.2.1 线性判别函数和决策超平面 | 第46-47页 |
| 4.2.2 支持向量机 | 第47-52页 |
| 4.2.3 Adaboost算法 | 第52-54页 |
| 4.3 基于SVM的代价敏感Adaboost算法 | 第54-59页 |
| 4.3.1 代价敏感挖掘 | 第54-55页 |
| 4.3.2 代价敏感 Adaboost 算法 | 第55-56页 |
| 4.3.3 基于SVM的代价敏感Adaboost算法 | 第56-59页 |
| 4.4 实验结果与分析 | 第59-63页 |
| 4.4.1 实验设置 | 第59-60页 |
| 4.4.2 实验方法及结果分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |