基于数字化校园的图像分析型VDC服务器的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及选题意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 大型仪器管理系统的发展现状 | 第8-9页 |
| 1.2.2 图像分析型服务器的发展现状 | 第9页 |
| 1.3 本文的主要工作和内容 | 第9-11页 |
| 1.3.1 本文图像分析型服务器的研究内容 | 第9-10页 |
| 1.3.2 论文的主要工作 | 第10-11页 |
| 1.4 论文的章节安排 | 第11-12页 |
| 第二章 相关技术综述 | 第12-22页 |
| 2.1. 图像预处理技术 | 第12-15页 |
| 2.1.1. 数字滤波 | 第12-13页 |
| 2.1.2. 图像灰度化与二值化 | 第13-14页 |
| 2.1.3. 图像锐化 | 第14-15页 |
| 2.2. 分类算法的选择 | 第15页 |
| 2.3. 支持向量机SVM | 第15-19页 |
| 2.3.1. 线性样本集 | 第16-18页 |
| 2.3.2. 非线性样本集 | 第18-19页 |
| 2.4. HOG描述符 | 第19-20页 |
| 2.5. 本章小结 | 第20-22页 |
| 第三章 VDC服务器的总体设计 | 第22-28页 |
| 3.1. 大型仪器管理系统的总体结构 | 第22-24页 |
| 3.1.1. VDC服务器的功能结构 | 第23页 |
| 3.1.2. VDC服务器的工作流程 | 第23-24页 |
| 3.2. VDC服务器概要设计 | 第24-26页 |
| 3.2.1. 需求规定 | 第24-25页 |
| 3.2.2. 软件结构 | 第25-26页 |
| 3.3. VDC服务器的详细设计 | 第26-27页 |
| 3.3.1. 核心类设计 | 第26-27页 |
| 3.3.2. 数据库设计 | 第27页 |
| 3.3.3. 数据表的设计 | 第27页 |
| 3.4. 本章小结 | 第27-28页 |
| 第四章 图像传输与动态过滤的研究 | 第28-40页 |
| 4.1 图像的传输 | 第28-32页 |
| 4.1.1 数据解析应用层协议 | 第28-30页 |
| 4.1.2 API网络编程的实现 | 第30-31页 |
| 4.1.3 图像数据包的解析 | 第31-32页 |
| 4.2 图像的动态过滤 | 第32-38页 |
| 4.2.1 图像匹配的算法选择 | 第33-35页 |
| 4.2.2 均值hash算法的实现 | 第35-38页 |
| 4.3 本章小结 | 第38-40页 |
| 第五章 图像模式识别的研究 | 第40-54页 |
| 5.1 分类算法整体流程 | 第40-41页 |
| 5.2 HOG特征提取和实现 | 第41-45页 |
| 5.2.1 HOG特征提取流程 | 第41-42页 |
| 5.2.2 颜色空间的规范化 | 第42-43页 |
| 5.2.3 梯度计算 | 第43页 |
| 5.2.4 梯度统计 | 第43-44页 |
| 5.2.5 重叠块中的对比度归一化 | 第44-45页 |
| 5.2.6 特征空间中块的选择 | 第45页 |
| 5.3 SVM分类器实现 | 第45-49页 |
| 5.3.1 SVM分类训练过程 | 第46-47页 |
| 5.3.2 分类器的训练实现 | 第47-49页 |
| 5.4 人体检测与轨迹生成 | 第49-52页 |
| 5.4.1 人体检测 | 第49-50页 |
| 5.4.2 角点提取 | 第50-51页 |
| 5.4.3 轨迹生成 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 系统测试与验证 | 第54-62页 |
| 6.1 实验环境下的效果测试 | 第54-58页 |
| 6.2 大型仪器共享平台下的效果测试 | 第58-60页 |
| 6.2.1 图像动态过滤结果 | 第58页 |
| 6.2.2 模式识别结果 | 第58-60页 |
| 6.3 本章小结 | 第60-62页 |
| 第七章 总结与展望 | 第62-64页 |
| 7.1 工作总结 | 第62-63页 |
| 7.2 未来展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士期间发表的文章 | 第68页 |
