基于视频的烟雾检测与火源位置估计方法
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 论文选题背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.3 本文研究内容 | 第20-21页 |
| 1.4 本文章节安排 | 第21-22页 |
| 第二章 运动区域的提取 | 第22-30页 |
| 2.1 引言 | 第22页 |
| 2.2 运动目标检测方法概述 | 第22-25页 |
| 2.2.1 背景减除法 | 第22-23页 |
| 2.2.2 帧间差分法 | 第23页 |
| 2.2.3 光流法 | 第23-24页 |
| 2.2.4 背景减除法、帧间差分法和光流法的比较 | 第24-25页 |
| 2.3 运动区域处理 | 第25-27页 |
| 2.3.1 连通区域分析 | 第25-26页 |
| 2.3.2 区域填充 | 第26-27页 |
| 2.4 运动目标检测结果 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于暗通道和运动特征分析的视频烟雾检测 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 暗通道分析 | 第30-31页 |
| 3.2.1 暗原色先验 | 第30-31页 |
| 3.2.2 暗原色先验分析 | 第31页 |
| 3.3 基于运动方向的分析 | 第31-36页 |
| 3.3.1 局部二值模式(LBP) | 第32-33页 |
| 3.3.2 基于局部二值模式的运动方向分析 | 第33-36页 |
| 3.4 基于支持向量机(SVM)的视频烟雾检测 | 第36-39页 |
| 3.4.1 支持向量机简介 | 第36页 |
| 3.4.2 支持向量机的核函数 | 第36-37页 |
| 3.4.3 方向梯度直方图(HOG) | 第37-38页 |
| 3.4.4 支持向量机的训练和分类 | 第38-39页 |
| 3.5 视频烟雾检测的实验结果 | 第39-42页 |
| 3.5.1 视频烟雾检测的算法流程图 | 第40页 |
| 3.5.2 实验结果对比 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于烟雾浓度和运动方向的火源位置估计 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 烟雾浓度分析 | 第43-48页 |
| 4.2.1 浓烟区域提取 | 第43-45页 |
| 4.2.2 时序图 | 第45-47页 |
| 4.2.3 烟雾浓度分析结果 | 第47-48页 |
| 4.3 烟雾的运动方向分析 | 第48-50页 |
| 4.4 火源位置估计 | 第50-51页 |
| 4.5 实验结果 | 第51-53页 |
| 4.5.1 算法框架 | 第51-52页 |
| 4.5.2 实验结果 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间主要科研工作及成果 | 第60-61页 |
