基于视频监控的室内香烟烟雾检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 视频监控的香烟烟雾检测的研究背景及意义 | 第10-11页 |
| 1.2 视频监控的香烟烟雾检测的国内外研究现状 | 第11-14页 |
| 1.3 本文的研究重点与难点 | 第14页 |
| 1.4 本文的研究内容 | 第14-17页 |
| 第2章 视频序列中前景目标的分割 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 背景建模前的预处理 | 第17-20页 |
| 2.2.1 RGB颜色空间模型 | 第18-19页 |
| 2.2.2 YUV颜色空间模型 | 第19页 |
| 2.2.3 RGB颜色空间与YUV颜色空间的转换 | 第19-20页 |
| 2.3 视频图像序列的背景建模 | 第20-27页 |
| 2.3.1 基于码本的背景建模方法 | 第21-23页 |
| 2.3.2 基于混合高斯模型的背景建模方法 | 第23-26页 |
| 2.3.3 两种背景建模方法的比较 | 第26-27页 |
| 2.4 前景目标提取的基本算法 | 第27-29页 |
| 2.4.1 帧差法 | 第27-28页 |
| 2.4.2 光流法 | 第28页 |
| 2.4.3 背景减法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 香烟烟雾的特征提取 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 前景图像的预处理 | 第30-36页 |
| 3.2.1 图像去噪 | 第30-32页 |
| 3.2.2 图像二值化操作 | 第32-34页 |
| 3.2.3 形态学图像处理 | 第34-36页 |
| 3.3 感兴趣区域的获取 | 第36-37页 |
| 3.4 香烟烟雾的动态特征 | 第37-40页 |
| 3.4.1 烟雾区域的几何特征 | 第37-38页 |
| 3.4.2 烟雾区域的方向梯度特征 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 香烟烟雾识别分类器的设计 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 支持向量机 | 第41-50页 |
| 4.2.1 线性可分 | 第41-47页 |
| 4.2.2 线性不可分 | 第47-49页 |
| 4.2.3 核函数 | 第49-50页 |
| 4.3 基于SVM的分类器设计 | 第50-52页 |
| 4.3.1 训练样本集 | 第50-51页 |
| 4.3.2 分类器识别结果 | 第51-52页 |
| 4.4 香烟烟雾识别和报警流程 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 香烟烟雾检测算法的实验结果与分析 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 检测系统测试平台搭建 | 第53-56页 |
| 5.2.1 硬件部分 | 第53页 |
| 5.2.2 软件部分 | 第53-56页 |
| 5.3 实验结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
