| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题的研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 相关技术 | 第14-26页 |
| 2.1 图像预处理技术 | 第14-16页 |
| 2.1.1 颜色模型 | 第14-15页 |
| 2.1.2 图像增强 | 第15页 |
| 2.1.3 形态学处理 | 第15-16页 |
| 2.2 运动目标检测方法 | 第16-17页 |
| 2.3 火焰特征 | 第17-18页 |
| 2.3.1 火焰静态特征 | 第18页 |
| 2.3.2 火焰动态特征 | 第18页 |
| 2.4 支持向量机 | 第18-23页 |
| 2.4.1 线性支持向量机 | 第18-22页 |
| 2.4.2 非线性支持向量机与核函数 | 第22-23页 |
| 2.5 深度学习 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于支持向量机的火焰检测 | 第26-50页 |
| 3.1 检测方案与流程 | 第26-27页 |
| 3.2 图像预处理与前景检测 | 第27-37页 |
| 3.2.1 图像预处理 | 第28-30页 |
| 3.2.2 基于YCbCr颜色模型的火焰特征分析与前景检测 | 第30-33页 |
| 3.2.3 基于ViBe算法的运动目标检测 | 第33-35页 |
| 3.2.4 时空综合特征前景检测方法 | 第35-37页 |
| 3.3 火焰特征的选择 | 第37-43页 |
| 3.3.1 火焰颜色显著性特征 | 第37页 |
| 3.3.2 火焰的空间梯度特征 | 第37-39页 |
| 3.3.3 火焰视频的帧间梯度特征 | 第39-40页 |
| 3.3.4 火焰的闪烁特征 | 第40-42页 |
| 3.3.5 火焰质心的运动方向 | 第42-43页 |
| 3.4 基于SVM的火焰分类 | 第43-46页 |
| 3.5 检测结果及分析 | 第46-48页 |
| 3.5.1 检测结果 | 第46-47页 |
| 3.5.2 特征分析 | 第47-48页 |
| 3.6 本章小洁 | 第48-50页 |
| 第4章 基于深度学习的火焰检测 | 第50-57页 |
| 4.1 卷积神经网络的结构设计 | 第50-51页 |
| 4.1.1 网络结构 | 第50-51页 |
| 4.1.2 CNN模型的参数选择 | 第51页 |
| 4.2 实验过程 | 第51-54页 |
| 4.2.1 图像预处理 | 第52页 |
| 4.2.2 训练过程 | 第52-54页 |
| 4.3 实验结果分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |