基于单目视觉的矿井机车行人预警系统设计
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 课题研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 国外研究现状 | 第17-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 文章主要研究内容及章节安排 | 第19-21页 |
| 第二章 系统总体设计 | 第21-30页 |
| 2.1 系统硬件设计概述 | 第21-27页 |
| 2.1.1 系统硬件架构设计 | 第21-22页 |
| 2.1.2 摄像机的选择 | 第22-23页 |
| 2.1.3 视频解码芯片的选择 | 第23-24页 |
| 2.1.4 DSP处理器的选择 | 第24-26页 |
| 2.1.5 FPGA处理器的选择 | 第26-27页 |
| 2.1.6 其它配套器件 | 第27页 |
| 2.2 系统软件设计概述 | 第27-28页 |
| 2.2.1 图像的采集与存储 | 第27页 |
| 2.2.2 图像处理算法 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 轨道检测算法设计 | 第30-39页 |
| 3.1 图像预处理 | 第30-31页 |
| 3.1.1 感兴趣区域的选择 | 第30页 |
| 3.1.2 基于最大灰度值的拉伸算法 | 第30-31页 |
| 3.2 边缘检测及二值化 | 第31-33页 |
| 3.3 基于Hough变换的轨道检测 | 第33-38页 |
| 3.3.1 Hough变换基本理论 | 第33-35页 |
| 3.3.2 基于极角、极径约束的Hough变换 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 行人识别算法设计 | 第39-50页 |
| 4.1 行人识别常用的特征 | 第39-43页 |
| 4.1.1 SIFT特征 | 第39-41页 |
| 4.1.2 Haar特征 | 第41-42页 |
| 4.1.3 HOG特征 | 第42-43页 |
| 4.2 井下行人特征提取 | 第43-48页 |
| 4.2.1 构建正负样本集 | 第43-44页 |
| 4.2.2 确定行人检测区域 | 第44-45页 |
| 4.2.3 区域局部化归零 | 第45-46页 |
| 4.2.4 低维度的特征提取 | 第46-48页 |
| 4.3 SVM分类器设计 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于DSP+FPGA的行人预警系统设计 | 第50-67页 |
| 5.1 视频图像来源简介 | 第50页 |
| 5.2 基于FPGA的算法设计 | 第50-61页 |
| 5.2.1 视频图像采集 | 第50-53页 |
| 5.2.2 视频图像存储 | 第53-56页 |
| 5.2.3 预处理及数据传输 | 第56-61页 |
| 5.3 基于DSP的算法设计 | 第61-64页 |
| 5.3.1 轨道检测流程 | 第61-62页 |
| 5.3.2 SVM分类器训练流程 | 第62-63页 |
| 5.3.3 行人识别流程 | 第63-64页 |
| 5.4 系统开发相关简介 | 第64-65页 |
| 5.5 实验结果及分析 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 后续工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72-74页 |
