移动平台下自动煮粥智能视控系统
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本论文研究内容及组织结构 | 第14-16页 |
| 1.4 论文的主要创新点 | 第16-17页 |
| 2 视频图像分析相关技术 | 第17-27页 |
| 2.1 视频处理技术 | 第17页 |
| 2.2 图像特征分析 | 第17-21页 |
| 2.2.1 图像颜色特征及提取方法 | 第18-19页 |
| 2.2.2 图像纹理特征及提取方法 | 第19页 |
| 2.2.3 图像边界特征及提取方法 | 第19-20页 |
| 2.2.4 滤波器特征 | 第20-21页 |
| 2.3 Tamura 纹理特征 | 第21-24页 |
| 2.3.1 粗糙度介绍 | 第21-22页 |
| 2.3.2 对比度介绍 | 第22-23页 |
| 2.3.3 方向度介绍 | 第23页 |
| 2.3.4 线像度、规整度和粗略度 | 第23-24页 |
| 2.4 LBP 纹理特征 | 第24-25页 |
| 2.4.1 LBP 纹理定义 | 第24页 |
| 2.4.2 LBP 图像的局部纹理特征提取方法 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 智能视控系统总体设计 | 第27-33页 |
| 3.1 系统框架设计 | 第27-29页 |
| 3.1.1 系统设计 | 第27-28页 |
| 3.1.2 功能分析 | 第28-29页 |
| 3.1.3 模块设计 | 第29页 |
| 3.2 系统详细设计 | 第29-31页 |
| 3.2.1 网络摄像机、智能家电控制模块设计 | 第29-30页 |
| 3.2.2 实时视频智能分析模块设计 | 第30-31页 |
| 3.2.3 软件开发设计 | 第31页 |
| 3.3 本章小结 | 第31-33页 |
| 4 基于图像特征的自动煮粥算法设计 | 第33-51页 |
| 4.1 Tamura 纹理粗糙度分析 | 第33-34页 |
| 4.2 煮粥过程图片分析与结果 | 第34-37页 |
| 4.2.1 素材采集 | 第34-36页 |
| 4.2.2 图片纹理分析 | 第36-37页 |
| 4.2.3 数值分析与算法设计 | 第37页 |
| 4.3 煮粥过程影响因素分析与结果 | 第37-45页 |
| 4.3.1 透明锅盖的影响 | 第37-41页 |
| 4.3.2 光照的影响 | 第41-43页 |
| 4.3.3 图像像素比例尺的影响 | 第43-45页 |
| 4.4 自动煮粥算法的设计及验证 | 第45-49页 |
| 4.4.1 自动煮粥算法的设计 | 第45-47页 |
| 4.4.2 自动煮粥算法实验验证 | 第47-49页 |
| 4.5 LBP 纹理特征提取及机器学习分类 | 第49-50页 |
| 4.5.1 LBP 纹理特征分类与匹配 | 第49页 |
| 4.5.2 训练模型与验证 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 基于移动平台的智能视控系统的实现 | 第51-61页 |
| 5.1 网络摄像机视频采集模块的实现 | 第51-53页 |
| 5.1.1 视频信息采集原理 | 第51-52页 |
| 5.1.2 网络摄像机设备 | 第52页 |
| 5.1.3 网络摄像机的选择及二次开发 | 第52-53页 |
| 5.2 实时视频智能分析模块的实现 | 第53-56页 |
| 5.2.1 提高算法效率 | 第53-56页 |
| 5.3 无线远程控制模块的实现 | 第56-58页 |
| 5.3.1 无线远程控制原理 | 第56-57页 |
| 5.3.2 无线远程控制设备 | 第57-58页 |
| 5.4 煮粥视控系统实现效果 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68-69页 |
