基于机器视觉的列检库作业人员安全监测系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文的选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 机器视觉的研究现状 | 第10-11页 |
| 1.2.2 列检人员安全的研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 2 运动目标检测的相关技术 | 第14-27页 |
| 2.1 彩色图像的灰度化 | 第14-15页 |
| 2.2 图像的去噪 | 第15-19页 |
| 2.2.1 均值滤波器 | 第15-16页 |
| 2.2.2 高斯滤波器 | 第16-17页 |
| 2.2.3 中值滤波器 | 第17-19页 |
| 2.3 形态学处理 | 第19-21页 |
| 2.3.1 腐蚀与膨胀 | 第19-20页 |
| 2.3.2 开启与闭合 | 第20-21页 |
| 2.4 图像的边缘检测 | 第21-26页 |
| 2.4.1 Roberts 边缘检测算子 | 第22-23页 |
| 2.4.2 Prewitt 边缘检测算子 | 第23页 |
| 2.4.3 Sobel 边缘检测算子 | 第23-24页 |
| 2.4.4 Canny 边缘检测算子 | 第24-26页 |
| 2.5 小结 | 第26-27页 |
| 3 运动目标检测 | 第27-41页 |
| 3.1 常用的运动目标检测方法 | 第27-29页 |
| 3.1.1 相邻帧差法 | 第27页 |
| 3.1.2 光流法 | 第27页 |
| 3.1.3 背景帧差法 | 第27-28页 |
| 3.1.4 其它检测方法 | 第28-29页 |
| 3.2 GMM 与纹理特征相结合的运动目标检测 | 第29-40页 |
| 3.2.1 基于 GMM 的运动目标检测 | 第29-32页 |
| 3.2.2 基于纹理特征的运动目标检测 | 第32-34页 |
| 3.2.3 光照检测 | 第34-36页 |
| 3.2.4 阴影消除 | 第36-38页 |
| 3.2.5 实验结果与分析 | 第38-40页 |
| 3.3 小结 | 第40-41页 |
| 4 运动目标识别 | 第41-55页 |
| 4.1 常用的人体识别方法 | 第41-42页 |
| 4.2 分类特征的提取 | 第42-47页 |
| 4.2.1 分类特征的选择 | 第42-45页 |
| 4.2.2 分类特征的提取实验 | 第45-47页 |
| 4.3 SVM 训练分类 | 第47-54页 |
| 4.3.1 SVM 原理 | 第47-49页 |
| 4.3.2 SVM 分类器离线训练 | 第49-51页 |
| 4.3.3 SVM 分类识别 | 第51-52页 |
| 4.3.4 实验结果与分析 | 第52-54页 |
| 4.4 小结 | 第54-55页 |
| 5 系统的软件原型及其实现 | 第55-63页 |
| 5.1 系统硬件结构及其功能 | 第55页 |
| 5.2 系统软件及其原型实现 | 第55-61页 |
| 5.2.1 软件组成模块 | 第55-56页 |
| 5.2.2 开发工具简介 | 第56-57页 |
| 5.2.3 软件原型的实现 | 第57-61页 |
| 5.3 对监测系统软件的评价 | 第61-62页 |
| 5.4 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间的研究成果 | 第68页 |
