基于人体识别的安全帽视频检测系统研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 研究开发现状分析 | 第11-14页 |
| 1.3 系统目标与本文的工作 | 第14-15页 |
| 1.4 本文章节内容安排 | 第15-17页 |
| 第二章 人体佩戴安全帽检测算法 | 第17-52页 |
| 2.1 人体佩戴安全帽检测算法框架 | 第17-20页 |
| 2.2 基于背景差的运动目标检测 | 第20-26页 |
| 2.2.1 算法概述 | 第20-22页 |
| 2.2.2 算法步骤 | 第22-23页 |
| 2.2.3 算法特点与适用场景 | 第23-24页 |
| 2.2.4 形态学处理 | 第24-26页 |
| 2.3 色彩保持的图像增强 | 第26-30页 |
| 2.3.1 直方图均衡化 | 第27-28页 |
| 2.3.2 色彩保持的原理 | 第28-29页 |
| 2.3.3 算法步骤 | 第29-30页 |
| 2.4 人体头部区域的定位 | 第30-32页 |
| 2.5 HOG及颜色特征 | 第32-43页 |
| 2.5.1 梯度的计算 | 第34-36页 |
| 2.5.2 方向梯度统计 | 第36-37页 |
| 2.5.3 块中的特征向量归一化 | 第37-38页 |
| 2.5.4 HOG积分图 | 第38-41页 |
| 2.5.5 多尺度识别 | 第41-42页 |
| 2.5.6 颜色特征的计算 | 第42-43页 |
| 2.6 支持向量机学习算法 | 第43-51页 |
| 2.6.1 线性可分 | 第44-45页 |
| 2.6.2 线性不可分 | 第45-48页 |
| 2.6.3 松弛变量和惩罚因子 | 第48-50页 |
| 2.6.4 样本偏斜问题 | 第50-51页 |
| 2.7 本章小结 | 第51-52页 |
| 第三章 系统设计与实现 | 第52-80页 |
| 3.1 系统设计 | 第52-59页 |
| 3.1.1 系统原理 | 第52-54页 |
| 3.1.2 模块和用例设计 | 第54-57页 |
| 3.1.3 数据流和数据库设计 | 第57-59页 |
| 3.2 系统实现 | 第59-68页 |
| 3.2.1 系统部署 | 第59-60页 |
| 3.2.2 模块协作 | 第60-62页 |
| 3.2.3 核心模块实现 | 第62-68页 |
| 3.3 SVM的BATCH优化和多线程优化 | 第68-72页 |
| 3.3.1 BATCH优化 | 第70-71页 |
| 3.3.2 多线程优化 | 第71-72页 |
| 3.4 系统测试 | 第72-79页 |
| 3.4.1 BATCH和多线程优化测试 | 第73-75页 |
| 3.4.2 功能测试 | 第75-79页 |
| 3.5 本章小结 | 第79-80页 |
| 第四章 实验结果和分析 | 第80-95页 |
| 4.1 增强效果 | 第80-83页 |
| 4.2 训练测试数据集 | 第83-85页 |
| 4.3 测试方法和评价指标 | 第85-87页 |
| 4.4 结果及分析 | 第87-94页 |
| 4.5 本章小结 | 第94-95页 |
| 第五章 总结与展望 | 第95-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-99页 |
