基于视频分析的森林火灾烟雾检测技术的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 运动目标检测技术 | 第11-12页 |
| 1.2.2 烟雾图像识别技术 | 第12页 |
| 1.3 本文研究内容与结构安排 | 第12-15页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 本文结构安排 | 第13-15页 |
| 第二章 运动目标提取 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 常用运动目标提取方法 | 第15-19页 |
| 2.2.1 帧间差法 | 第15-16页 |
| 2.2.2 光流法 | 第16-18页 |
| 2.2.3 背景差法 | 第18-19页 |
| 2.3 高斯混合背景模型 | 第19-22页 |
| 2.3.1 单高斯背景模型 | 第19-20页 |
| 2.3.2 高斯混合背景模型 | 第20-22页 |
| 2.4 VIBE背景模型 | 第22-24页 |
| 2.4.1 VIBE背景模型的基本原理 | 第22-23页 |
| 2.4.2 VIBE背景模型的初始化 | 第23页 |
| 2.4.3 VIBE背景模型的更新 | 第23-24页 |
| 2.5 运动目标提取算法比较 | 第24-27页 |
| 2.5.1 运动目标提取算法评价标准 | 第25页 |
| 2.5.2 实验结果与分析 | 第25-27页 |
| 2.6 目标图像提取 | 第27-30页 |
| 2.6.1 形态学操作 | 第27-28页 |
| 2.6.2 提取轮廓外接矩形 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 烟雾特征提取 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 静态特征提取 | 第31-39页 |
| 3.2.1 局部二进制模式 | 第31-33页 |
| 3.2.2 灰度共生矩阵 | 第33-35页 |
| 3.2.3 高频能量特征提取 | 第35-36页 |
| 3.2.4 图像的颜色特征提取 | 第36-38页 |
| 3.2.5 轮廓不规则特征提取 | 第38-39页 |
| 3.3 动态特征提取 | 第39-41页 |
| 3.3.1 动态纹理特征提取 | 第39-40页 |
| 3.3.2 运动方向特征提取 | 第40-41页 |
| 3.4 特征选择 | 第41-43页 |
| 3.4.1 KNN特征选择 | 第41-42页 |
| 3.4.2 实验结果与分析 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 分类器设计 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 支持向量机 | 第45-48页 |
| 4.2.1 线性可分SVM | 第45-47页 |
| 4.2.2 线性不可分SVM | 第47-48页 |
| 4.2.3 非线性SVM | 第48页 |
| 4.3 实验结果与分析 | 第48-53页 |
| 4.3.1 实验样本选取 | 第49页 |
| 4.3.2 分类器评价标准 | 第49-50页 |
| 4.3.3 单特征实验 | 第50-51页 |
| 4.3.4 特征组合实验 | 第51页 |
| 4.3.5 SVM参数选择 | 第51-52页 |
| 4.3.6 SVM与BP神经网络分类效果比较 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 软件设计与实现 | 第55-71页 |
| 5.1 软件功能与架构 | 第55-56页 |
| 5.2 软件开发环境 | 第56页 |
| 5.3 软件模块设计与实现 | 第56-67页 |
| 5.3.1 运动检测模块 | 第56-59页 |
| 5.3.2 样本模块 | 第59-61页 |
| 5.3.3 特征提取模块 | 第61-63页 |
| 5.3.4 分类器模块 | 第63-64页 |
| 5.3.5 用户界面模块 | 第64-67页 |
| 5.4 软件测试 | 第67-69页 |
| 5.4.1 功能测试 | 第67-69页 |
| 5.4.2 性能测试 | 第69页 |
| 5.5 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-77页 |
