基于视频的森林火灾烟雾检测系统研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 森林火灾检测技术概述 | 第12-16页 |
| 1.2.1 传统的火灾检测技术 | 第13-14页 |
| 1.2.2 基于视频的火灾烟雾检测技术 | 第14-16页 |
| 1.3 主要工作及章节安排 | 第16-18页 |
| 第二章 基于背景建模的运动目标检测算法研究 | 第18-32页 |
| 2.1 基于自适应中值滤波算法的图像预处理 | 第18-19页 |
| 2.2 基于改进码本模型的运动目标检测算法 | 第19-27页 |
| 2.2.1 码本模型建立及分析 | 第20-23页 |
| 2.2.2 LBP纹理描述算子 | 第23-25页 |
| 2.2.3 融合LBP算子的码本模型改进 | 第25-27页 |
| 2.3 算法实验结果及分析 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 烟雾的特征提取及样本建立 | 第32-48页 |
| 3.1 烟雾的特征提取原则及分析 | 第32-33页 |
| 3.2 烟雾多特征提取 | 第33-45页 |
| 3.2.1 烟雾颜色特征提取 | 第33-36页 |
| 3.2.2 烟雾背景模糊特征提取 | 第36-40页 |
| 3.2.3 烟雾运动方向特征提取 | 第40-43页 |
| 3.2.4 烟雾轮廓不规则特征提取 | 第43-45页 |
| 3.2.5 烟雾重心移动特征提取 | 第45页 |
| 3.3 融合多种烟雾特征的样本建立 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于随机森林算法的烟雾分类器设计 | 第48-67页 |
| 4.1 随机森林分类算法研究 | 第48-57页 |
| 4.1.1 随机森林的基分类器—决策树 | 第48-50页 |
| 4.1.2 随机森林分类器的构建过程及分析 | 第50-52页 |
| 4.1.3 随机森林分类性能的影响因素分析 | 第52-57页 |
| 4.2 随机森林和支持向量机分类性能对比 | 第57-60页 |
| 4.2.1 数据泛化能力对比 | 第58-59页 |
| 4.2.2 数据抗噪能力对比 | 第59页 |
| 4.2.3 不平衡数据分类能力对比 | 第59-60页 |
| 4.3 基于随机森林算法的分类器优化设计 | 第60-64页 |
| 4.3.1 数据预处理方式优化 | 第61-62页 |
| 4.3.2 算法投票机制优化 | 第62-63页 |
| 4.3.3 实验结果及分析 | 第63-64页 |
| 4.4 三种分类器对烟雾识别效果对比 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 烟雾检测系统设计 | 第67-75页 |
| 5.1 系统总体设计 | 第67-68页 |
| 5.2 系统运行流程 | 第68-69页 |
| 5.3 系统具体实现 | 第69-72页 |
| 5.3.1 系统开发环境搭建 | 第69-70页 |
| 5.3.2 系统功能模块搭建 | 第70-72页 |
| 5.4 系统性能测试及分析 | 第72-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文工作总结 | 第75-76页 |
| 6.2 后续工作展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |
