| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 智能灯光控制系统的发展研究现状 | 第12-15页 |
| 1.3 无线传感器/执行器网络在智能灯光控制系统中的应用研究现状 | 第15-17页 |
| 1.3.1 无线传感器/执行器网络简介 | 第15-16页 |
| 1.3.2 基于WSANs的智能灯光控制系统的研究现状 | 第16-17页 |
| 1.4 室内人体检测与定位技术的研究现状 | 第17-18页 |
| 1.5 论文主要工作与结构 | 第18-20页 |
| 1.5.1 主要工作 | 第18页 |
| 1.5.2 论文结构 | 第18-20页 |
| 第二章 基于无线传感器/执行器网络的灯光控制实验平台 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 基本光学度量 | 第20-21页 |
| 2.3 执行器节点 | 第21-23页 |
| 2.3.1 微处理器 | 第22页 |
| 2.3.2 无线通信模块 | 第22页 |
| 2.3.3 LED | 第22-23页 |
| 2.3.4 LED调光与驱动器 | 第23页 |
| 2.4 照度传感器节点 | 第23-24页 |
| 2.5 摄像头节点 | 第24-25页 |
| 2.6 软件设计 | 第25-27页 |
| 2.6.1 微处理器中程序的设计 | 第25页 |
| 2.6.2 数据帧定义 | 第25-27页 |
| 2.6.3 机器视觉程序设计 | 第27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 基于单摄像头的人体检测与实时定位 | 第29-50页 |
| 3.1 引言 | 第29-31页 |
| 3.2 基础知识 | 第31-33页 |
| 3.2.1 摄像机投影矩阵 | 第31-32页 |
| 3.2.2 两个平面之间的单应矩阵 | 第32页 |
| 3.2.3 消影点与消影线 | 第32-33页 |
| 3.3 基于Codebook背景建模的人体检测 | 第33-35页 |
| 3.3.1 Codebook背景建模 | 第33-34页 |
| 3.3.2 前景检测 | 第34-35页 |
| 3.4 基于单视测量的定位技术 | 第35-43页 |
| 3.4.1 摄像机投影矩阵的计算 | 第35-39页 |
| 3.4.2 实际位置坐标的计算 | 第39-43页 |
| 3.5 实时定位 | 第43页 |
| 3.6 实验验证 | 第43-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于粒子群与PID神经网络的灯光控制算法 | 第50-69页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于PIDNN的灯光控制算法 | 第51-63页 |
| 4.2.1 PID神经元的定义 | 第51-53页 |
| 4.2.2 PIDNN结构 | 第53-54页 |
| 4.2.3 PIDNN前向算法 | 第54-55页 |
| 4.2.4 PIDNN后向算法 | 第55-59页 |
| 4.2.5 基于PIDNN的灯光控制器设计与仿真 | 第59-63页 |
| 4.3 基于PSO-PIDNN的灯光控制算法 | 第63-68页 |
| 4.3.1 粒子群算法简介 | 第63-65页 |
| 4.3.2 PSO的典型改进算法 | 第65-66页 |
| 4.3.3 基于PSO-PIDNN的灯光控制器设计与仿真 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 基于单神经元自适应PSD算法的分布式灯光控制 | 第69-83页 |
| 5.1 引言 | 第69页 |
| 5.2 问题描述 | 第69-71页 |
| 5.3 基于单神经元自适应PSD的灯光控制算法 | 第71-82页 |
| 5.3.1 分布式灯光控制器设计 | 第71-74页 |
| 5.3.2 单神经元自适应PSD控制算法 | 第74-78页 |
| 5.3.3 基于单神经元自适应PSD的灯光控制器设计与仿真 | 第78-82页 |
| 5.4 本章小结 | 第82-83页 |
| 结论与展望 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间取得的研究成果 | 第91-92页 |
| 致谢 | 第92-93页 |
| 附件 | 第93页 |
