基于图像处理的矿用电机车行人预警系统
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| Contents | 第9-12页 |
| 1 绪论 | 第12-16页 |
| ·研究背景 | 第12页 |
| ·研究现状 | 第12-15页 |
| ·行人检测现状 | 第13-14页 |
| ·轨道检测现状 | 第14-15页 |
| ·行人识别的难点 | 第15页 |
| ·本文的主要研究内容和章节安排 | 第15-16页 |
| 2 铁轨识别技术 | 第16-28页 |
| ·图像预处理 | 第16-18页 |
| ·边缘检测 | 第18页 |
| ·二值化 | 第18-20页 |
| ·基于曲线拟合的铁轨识别 | 第20-21页 |
| ·基于Hough变换的铁轨识别 | 第21-25页 |
| ·霍夫变换基本理论 | 第22-24页 |
| ·确定左右轨参数 | 第24页 |
| ·直线参数调整 | 第24-25页 |
| ·坐标反变换 | 第25页 |
| ·本章小结 | 第25-28页 |
| 3 行人识别的特征提取 | 第28-42页 |
| ·常用特征简介 | 第28-33页 |
| ·Haar特征 | 第28-29页 |
| ·SIFT特征 | 第29-31页 |
| ·HOG特征 | 第31-33页 |
| ·分类器训练时的行人特征提取 | 第33-37页 |
| ·正负样本的制作 | 第33-35页 |
| ·均值滤波 | 第35页 |
| ·计算梯度和梯度方向 | 第35-36页 |
| ·特征提取 | 第36-37页 |
| ·行人识别时的特征提取 | 第37-41页 |
| ·行人检测区域的确定 | 第37-38页 |
| ·图像下采样 | 第38-39页 |
| ·均值滤波 | 第39页 |
| ·特征提取 | 第39-41页 |
| ·多尺度检测 | 第41页 |
| ·本章小结 | 第41-42页 |
| 4 分类器设计 | 第42-48页 |
| ·贝叶斯分类器 | 第42-43页 |
| ·神经网络分类器 | 第43-44页 |
| ·Adaboost分类器 | 第44-46页 |
| ·SVM分类器 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 行人测距技术 | 第48-54页 |
| ·凸透镜成像 | 第48-49页 |
| ·摄像头标定 | 第49-52页 |
| ·摄像头测距 | 第52页 |
| ·本章小结 | 第52-54页 |
| 6 轨道上行人识别算法在DSP的实现 | 第54-70页 |
| ·硬件实现 | 第54-58页 |
| ·硬件模块 | 第54-55页 |
| ·核心板资源介绍 | 第55-58页 |
| ·软件实现 | 第58-61页 |
| ·CCS2.2 | 第58-59页 |
| ·Flash Burn2.8 | 第59-60页 |
| ·转hex的第三方插件 | 第60-61页 |
| ·实验仿真 | 第61-69页 |
| ·仿真图像装载 | 第61-64页 |
| ·算法流程图 | 第64-68页 |
| ·算法结果 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 7 总结与展望 | 第70-72页 |
| ·论文工作总结 | 第70页 |
| ·未来工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介及读研期间的主要科研成果 | 第78页 |
