摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-16页 |
1.1 课题研究背景 | 第9-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 视频监控技术研究现状 | 第11页 |
1.2.2 国外烟雾检测研究现状 | 第11-12页 |
1.2.3 国内烟雾检测研究现状 | 第12-13页 |
1.2.4 基于OpenCV的烟雾识别系统研究的意义 | 第13页 |
1.3 研究内容和技术路线 | 第13-16页 |
1.3.1 本文研究内容和技术路线 | 第13-14页 |
1.3.2 关键技术 | 第14页 |
1.3.3 研究内容安排 | 第14-16页 |
2 相关技术简介 | 第16-27页 |
2.1 嵌入式系统 | 第16-19页 |
2.2 Ubuntu-Linux概述 | 第19-20页 |
2.3 OpenCV概述 | 第20-22页 |
2.3.1 OpenCV模块组成 | 第20-21页 |
2.3.2 OpenCV特征 | 第21页 |
2.3.3 OpenCV功能 | 第21-22页 |
2.4 小波变换理论基础 | 第22-26页 |
2.4.1 短时傅里叶变换 | 第22-23页 |
2.4.2 小波变换 | 第23-26页 |
2.5 本章小结 | 第26-27页 |
3 图像视频识别算法研究 | 第27-47页 |
3.1 图像滤波算法 | 第27-33页 |
3.1.1 均值滤波 | 第27-28页 |
3.1.2 中值滤波 | 第28-30页 |
3.1.3 直方图均衡 | 第30-31页 |
3.1.4 图像滤波效果比较 | 第31-33页 |
3.2 运动目标检测算法 | 第33-40页 |
3.2.1 光流法 | 第34-35页 |
3.2.2 帧间差分法 | 第35-36页 |
3.2.3 背景减除法 | 第36-37页 |
3.2.4 高斯混合模型 | 第37-38页 |
3.2.5 基于帧间差的图像识别与提取 | 第38-40页 |
3.3 运动跟踪算法研究 | 第40-43页 |
3.3.1 CAMShift算法 | 第41-42页 |
3.3.2 卡尔曼滤波算法 | 第42-43页 |
3.4 烟雾图像的特征提取 | 第43-45页 |
3.4.1 烟雾形状特征 | 第43-44页 |
3.4.2 烟雾扩散特征 | 第44页 |
3.4.3 烟雾颜色特征 | 第44-45页 |
3.5 本章小结 | 第45-47页 |
4 基于OpenCV的烟雾识别系统设计 | 第47-62页 |
4.1 系统平台软硬件 | 第47-48页 |
4.1.1 系统软硬件环境 | 第47-48页 |
4.1.2 系统开发技术流程 | 第48页 |
4.2 视频烟雾检测系统算法流程 | 第48-49页 |
4.3 微型计算机环境下OpenCV的安装及软件调试 | 第49-52页 |
4.3.1 Windows环境OpenCV安装及软件调试 | 第49-50页 |
4.3.2 Ubuntu-Linux环境调试 | 第50-51页 |
4.3.3 Ubuntu-Linux环境OpenCV安装及软件调试 | 第51-52页 |
4.4 嵌入式环境下OpenCV的安装及软件调试 | 第52-60页 |
4.4.1 嵌入式平台 | 第52页 |
4.4.2 交叉编译工具的安装 | 第52-54页 |
4.4.3 交叉编译依赖库 | 第54页 |
4.4.4 OpenCV的交叉编译及移植 | 第54-60页 |
4.5 OpenCV图像、视频处理函数 | 第60-61页 |
4.6 本章小结 | 第61-62页 |
5 嵌入式平台的搭建及实现 | 第62-67页 |
5.1 嵌入式平台 | 第62-63页 |
5.2 基于OpenCV的嵌入式“人脸识别”实验 | 第63-64页 |
5.3 基于OpenCV的嵌入式“烟雾识别”实验 | 第64-66页 |
5.3.1 基于烟雾的去干扰烟雾识别 | 第64-65页 |
5.3.2 烟雾检测与跟踪实验 | 第65-66页 |
5.4 本章小结 | 第66-67页 |
6 总结与展望 | 第67-70页 |
6.1 本文主要研究内容及结论 | 第67-68页 |
6.2 主要创新点 | 第68-69页 |
6.3 研究展望 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
附录A 攻读学位期间的相关研究工作 | 第75-76页 |