| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的 | 第10页 |
| 1.3 相关研究回顾 | 第10-12页 |
| 1.4 问题描述 | 第12-13页 |
| 1.5 主要研究内容 | 第13-14页 |
| 第二章 视频图像处理相关技术 | 第14-21页 |
| 2.1 视频图像的常用格式 | 第14-15页 |
| 2.1.1 RGB颜色模型 | 第14-15页 |
| 2.1.2 YUV颜色模型 | 第15页 |
| 2.2 运动目标检测的基本方法 | 第15-19页 |
| 2.2.1 去噪 | 第16-18页 |
| 2.2.2 膨胀 | 第18-19页 |
| 2.3 人体检测研究现状及常用方法 | 第19-20页 |
| 2.3.1 人体检测的研究工作现状 | 第19页 |
| 2.3.2 人体检测常用方法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 系统整体设计 | 第21-25页 |
| 3.1 系统架构图 | 第21-24页 |
| 3.1.1 系统流程图 | 第22-24页 |
| 3.2 本章小结 | 第24-25页 |
| 第四章 系统算法设计 | 第25-42页 |
| 4.1 运动检测算法设计 | 第25-31页 |
| 4.1.1 运动检测的基本方法 | 第25-27页 |
| 4.1.1.1 背景差值法 | 第25-26页 |
| 4.1.1.2 帧间差值法 | 第26-27页 |
| 4.1.2 基于背景差值法和帧间差值法相结合的运动检测优化算法 | 第27页 |
| 4.1.3 运动检测优化算法实现 | 第27-31页 |
| 4.1.3.1 通过背景法提取前景 | 第27-29页 |
| 4.1.3.2 通过帧间差值法提取前景 | 第29-30页 |
| 4.1.3.3 前景合并 | 第30-31页 |
| 4.2 工作人员识别算法 | 第31-41页 |
| 4.2.1 人体检测 | 第31-32页 |
| 4.2.1.1 人体特征撷取 | 第31-32页 |
| 4.2.1.2 人体比例分析 | 第32页 |
| 4.2.2 变电站工作人员特征提取 | 第32-39页 |
| 4.2.2.1 正常工作人员特征 | 第32-33页 |
| 4.2.2.2 安全帽识别原理 | 第33-34页 |
| 4.2.2.3 安全帽位置定位 | 第34-37页 |
| 4.2.2.4 安全帽判断 | 第37-39页 |
| 4.2.3 非正常工作人员识别实验 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 系统详细设计及实现 | 第42-59页 |
| 5.1 系统详细设计 | 第42-52页 |
| 5.1.1 前端采集子系统 | 第42-47页 |
| 5.1.2 中心数据存储子系统 | 第47-51页 |
| 5.1.3 数据展示子系统 | 第51-52页 |
| 5.2 系统实现 | 第52-58页 |
| 5.2.1 系统开发及实现 | 第52-53页 |
| 5.2.2 用户操作Web页面 | 第53-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 结论与研究展望 | 第59-60页 |
| 6.1 结论 | 第59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |