基于视频的火焰检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 传统火灾检测技术 | 第12-13页 |
| 1.2.2 视频火灾检测技术 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 视频火焰检测方法介绍 | 第16-30页 |
| 2.1 基于静态特征的火焰检测方法 | 第16-22页 |
| 2.1.1 颜色特征检测 | 第16-17页 |
| 2.1.2 纹理特征检测 | 第17-19页 |
| 2.1.3 几何特征检测 | 第19-22页 |
| 2.2 基于时空特征的火焰检测方法 | 第22-29页 |
| 2.2.1 局部协方差时空特征检测 | 第22-24页 |
| 2.2.2 多层ICA时空特征检测 | 第24-25页 |
| 2.2.3 LBP-TOP时空特征检测 | 第25-26页 |
| 2.2.4 动态纹理时空特征检测 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 火焰候选区域提取方法 | 第30-45页 |
| 3.1 基于颜色的火焰区域提取方法 | 第30-36页 |
| 3.1.1 基于RGB颜色空间的火焰区域提取 | 第30-33页 |
| 3.1.2 基于YCbCr颜色空间的火焰区域提取 | 第33-34页 |
| 3.1.3 基于HSV颜色空间的火焰区域提取 | 第34-36页 |
| 3.2 基于显著性检测的火焰区域提取方法 | 第36-42页 |
| 3.2.1 基于显著性检测的火焰区域提取 | 第37-41页 |
| 3.2.2 基于置信度测量的火焰区域精确 | 第41-42页 |
| 3.3 实验结果与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于时空SURF特征的火焰检测 | 第45-56页 |
| 4.1 算法基本框架 | 第45-46页 |
| 4.2 基于时空SURF的火焰特征提取 | 第46-51页 |
| 4.3 全局颜色直方图特征提取 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于卷积神经网络的火焰检测 | 第56-68页 |
| 5.1 算法基本框架 | 第56-57页 |
| 5.2 基于卷积神经网络的火焰特征学习 | 第57-64页 |
| 5.2.1 卷积神经网络概述 | 第57-61页 |
| 5.2.2 卷积神经网络的应用分析 | 第61-62页 |
| 5.2.3 卷积神经网络火焰特征学习 | 第62-64页 |
| 5.3 实验结果与分析 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间研究成果 | 第74-75页 |
| 致谢 | 第75页 |
