基于单目标定的智能安全监控系统
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 智能监控系统和相关理论的发展概况 | 第10-13页 |
| 1.2.1 国内外智能监控系统的发展现状 | 第10-12页 |
| 1.2.2 标定算法现状介绍 | 第12-13页 |
| 1.3 本课题的研究来源和主要研究内容 | 第13-15页 |
| 2.摄像机标定基础理论 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 摄像机标定原理 | 第15-16页 |
| 2.3 摄像机标定模型 | 第16-20页 |
| 2.3.1 坐标系 | 第16-18页 |
| 2.3.2 线性模型 | 第18-19页 |
| 2.3.3 非线性模型 | 第19-20页 |
| 2.4 传统摄像机标定算法 | 第20-24页 |
| 2.4.1 单应性矩阵的改写 | 第20-21页 |
| 2.4.2 摄像机内外参数的求解 | 第21-23页 |
| 2.4.3 摄像机畸变参数的求解 | 第23-24页 |
| 2.4.4 参数的优化 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3.基于RBF神经网络的单目视觉标定算法 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 单目视觉标定 | 第25-29页 |
| 3.2.1 单目视觉标定的原理 | 第25页 |
| 3.2.2 单目视觉标定的模型 | 第25-27页 |
| 3.2.3 单目视觉标定模型的改进 | 第27页 |
| 3.2.4 相关参数的求解 | 第27-29页 |
| 3.3 RBF神经网络 | 第29-34页 |
| 3.3.1 RBF神经网络的概述 | 第29-30页 |
| 3.3.2 RBF神经网络基本结构 | 第30-31页 |
| 3.3.3 基于改进单目视觉标定的神经网络设计 | 第31-34页 |
| 3.4 仿真验证 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4.智能安全监控系统的硬件组成 | 第37-43页 |
| 4.1 引言 | 第37页 |
| 4.2 智能安全监控系统的定义 | 第37页 |
| 4.3 现场监控存在的问题 | 第37-39页 |
| 4.3.1 现阶段智能安全监控系统存在的问题 | 第37页 |
| 4.3.2 影响现场安全监控问题的因素 | 第37-39页 |
| 4.4 智能安全监控系统的工作原理 | 第39-40页 |
| 4.5 智能安全监控系统硬件平台的设计 | 第40-42页 |
| 4.5.1 图像采集模块 | 第41页 |
| 4.5.2 图像处理模块 | 第41页 |
| 4.5.3 视频监控模块 | 第41-42页 |
| 4.5.4 输出报警模块 | 第42页 |
| 4.6 本章小结 | 第42-43页 |
| 5.智能安全监控系统软件的设计 | 第43-61页 |
| 5.1 引言 | 第43页 |
| 5.2 智能安全监控系统的功能规划 | 第43页 |
| 5.3 智能安全监控系统软件的改进设计 | 第43-49页 |
| 5.3.1 位置信息提取 | 第43-46页 |
| 5.3.2 建立安全作业准则 | 第46-49页 |
| 5.4 智能安全监控系统的功能与实现 | 第49-54页 |
| 5.4.1 实时监控 | 第49-50页 |
| 5.4.2 定位跟踪 | 第50-51页 |
| 5.4.3 安全作业规则制定 | 第51-52页 |
| 5.4.4 报警记录 | 第52-53页 |
| 5.4.5 记录追溯 | 第53-54页 |
| 5.5 系统测试 | 第54-60页 |
| 5.5.1 实际测试环境 | 第54页 |
| 5.5.2 实时监控及标定测试 | 第54-58页 |
| 5.5.3 记录及追溯测试 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6.总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
