图像识别技术在换流站监控系统中的应用研究
| 摘要 | 第1页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 绪论 | 第6-9页 |
| ·选题背景及意义 | 第6-7页 |
| ·图像识别技术国内外研究及应用现状 | 第7-8页 |
| ·论文的主要工作 | 第8-9页 |
| 第2章 核心技术研究 | 第9-21页 |
| ·视频采集技术研究 | 第9页 |
| ·图像预处理技术研究 | 第9-13页 |
| ·过滤技术 | 第10-11页 |
| ·彩色图像变换 | 第11-12页 |
| ·滤波处理 | 第12页 |
| ·图像分割 | 第12-13页 |
| ·图像识别技术研究 | 第13-20页 |
| ·SVM(支持向量机) | 第13-15页 |
| ·Boosting算法 | 第15-16页 |
| ·HOG(梯度直方图) | 第16-17页 |
| ·Haar-like | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 人体检测技术应用研究 | 第21-37页 |
| ·常用人体检测算法讨论 | 第21-22页 |
| ·梯度直方图特征(HOG) | 第22-23页 |
| ·支持向量机(SVM) | 第23-29页 |
| ·线性支持向量机(SVM) | 第26-28页 |
| ·非线性支持向量机(SVM) | 第28-29页 |
| ·支持向量机(SVM)内积核函数 | 第29页 |
| ·基于梯度直方图特征的人体检测算法 | 第29-31页 |
| ·改进的人体检测算法 | 第31-35页 |
| ·算法改进的动机 | 第31-32页 |
| ·改进的人体检测算法 | 第32-35页 |
| ·算法性能分析 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第4章 安全帽定位技术应用研究 | 第37-50页 |
| ·安全帽定位技术 | 第37页 |
| ·机器学习 | 第37-38页 |
| ·机器学习的基本问题 | 第38页 |
| ·HAAR-LIKE特征 | 第38-41页 |
| ·HAAR-LIKE特征计算 | 第39-41页 |
| ·ADABOOST | 第41-46页 |
| ·弱分类器的存在性 | 第41-42页 |
| ·ADABOOST算法介绍 | 第42-44页 |
| ·训练错误率 | 第44-46页 |
| ·分类器的训练 | 第46-47页 |
| ·目标检测方法分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 试验结果及分析 | 第50-58页 |
| ·试验平台 | 第50页 |
| ·样本库 | 第50-51页 |
| ·训练样本库 | 第50-51页 |
| ·训练人体分类器 | 第51-53页 |
| ·样本准备工作 | 第51-53页 |
| ·SVM分类器训练 | 第53页 |
| ·分类器性能试验 | 第53-58页 |
| ·测试图像库试验 | 第54-57页 |
| ·试验结果分析 | 第57-58页 |
| 第6章 工作总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 在学期间发表的学术论文和参加科研情况 | 第63页 |
