| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-14页 |
| 1.2.1 智能视频分析技术研究现状 | 第10-13页 |
| 1.2.2 变电站中智能视频分析系统研究现状 | 第13-14页 |
| 1.3 本文主要工作及内容安排 | 第14-15页 |
| 第2章 基于人脸识别进行变电站中人员身份识别 | 第15-25页 |
| 2.1 CNN结构设计 | 第15-17页 |
| 2.1.1 卷积层 | 第15-16页 |
| 2.1.2 子采样层 | 第16页 |
| 2.1.3 全连接层 | 第16页 |
| 2.1.4 Softmax | 第16页 |
| 2.1.5 CNN设计构建 | 第16-17页 |
| 2.2 基于CNN的视频人脸识别 | 第17-19页 |
| 2.2.1 基于Softmax多级判决的开集人脸识别 | 第18-19页 |
| 2.2.2 CUDA加速并行算法 | 第19页 |
| 2.3 实验结果及分析 | 第19-24页 |
| 2.3.1 静态人脸库识别准确率测试实验 | 第20页 |
| 2.3.2 视频人脸识别实验 | 第20-23页 |
| 2.3.3 实时性实验 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 变电站中遗留物检测及设备灯识别 | 第25-35页 |
| 3.1 基于不同学习速率的双背景模型静态区域检测方法 | 第25-29页 |
| 3.1.1 背景减法 | 第26页 |
| 3.1.2 混合高斯背景模型 | 第26-27页 |
| 3.1.2.1 混合高斯背景建模 | 第27页 |
| 3.1.2.2 混合高斯背景模型的更新 | 第27页 |
| 3.1.3 不同学习速率下双高斯背景模型 | 第27-29页 |
| 3.2 有限状态机 | 第29页 |
| 3.3 回溯轨迹判决 | 第29-30页 |
| 3.4 遗留包裹事件分析 | 第30-31页 |
| 3.5 设备报警灯状态识别 | 第31-32页 |
| 3.5.1 图像预处理 | 第31页 |
| 3.5.2 不同颜色所对应的H分量取值区间 | 第31-32页 |
| 3.6 实验结果及数据分析 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第4章 前端嵌入式智能视频分析方法 | 第35-47页 |
| 4.1 Jetson TK1结构原理 | 第35-36页 |
| 4.2 移植所需软件环境 | 第36-37页 |
| 4.3 所需软件环境的安装 | 第37-40页 |
| 4.4 程序调试过程 | 第40-41页 |
| 4.4.1 视频人脸识别程序的调试过程 | 第40-41页 |
| 4.4.2 遗留物检测及设备报警灯识别程序的调试过程 | 第41页 |
| 4.5 前端嵌入式处理的实时性分析实验 | 第41-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第51-52页 |
| 致谢 | 第52页 |
