基于图像识别的电梯群控系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-18页 |
| ·电梯群控系统的提出 | 第9-10页 |
| ·电梯群控系统的目的和意义 | 第10-12页 |
| ·国内外研究概况 | 第12-15页 |
| ·基于专家系统的电梯群控 | 第12-13页 |
| ·基于模糊控制的群控算法 | 第13页 |
| ·基于神经网络的电梯群控 | 第13-14页 |
| ·基于模糊神经网络的电梯群控 | 第14-15页 |
| ·基于遗传算法的群控调度算法 | 第15页 |
| ·基于多目标优化的群控调度算法 | 第15页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文结构 | 第16-18页 |
| 第二章 相关技术 | 第18-30页 |
| ·运动检测 | 第18-20页 |
| ·背景减除法 | 第18-19页 |
| ·时间差分法 | 第19页 |
| ·光流法 | 第19-20页 |
| ·阴影检测 | 第20-21页 |
| ·基于模型的阴影检测 | 第20-21页 |
| ·基于属性的阴影检测 | 第21页 |
| ·边缘检测 | 第21-25页 |
| ·边缘检测概述 | 第21-22页 |
| ·基于一阶微分的边缘检测 | 第22-24页 |
| ·基于二阶微分的边缘检测 | 第24-25页 |
| ·数学形态学 | 第25-26页 |
| ·多目标规划 | 第26-30页 |
| ·多目标优化模型 | 第26-27页 |
| ·多目标规划求解 | 第27-30页 |
| 第三章 视频图像处理 | 第30-55页 |
| ·背景建模和前景提取 | 第30-39页 |
| ·平均背景模型 | 第31-32页 |
| ·高斯背景模型 | 第32-35页 |
| ·非参数化背景模型 | 第35-37页 |
| ·CodeBook 背景模型 | 第37-39页 |
| ·前景图像预处理 | 第39-41页 |
| ·阴影检测与抑制 | 第39-40页 |
| ·二值化前景图像去噪 | 第40-41页 |
| ·人数估计 | 第41-44页 |
| ·算法改进与实验分析 | 第44-54页 |
| ·背景建模算法改进 | 第44-50页 |
| ·图像去噪和人数估计算法的优化 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 电梯群控调度 | 第55-71页 |
| ·电梯交通模式识别 | 第56-62页 |
| ·电梯交通模式的分类和特征 | 第56-59页 |
| ·交通模式识别方式 | 第59-60页 |
| ·基于统计规律的客流交通模式识别 | 第60-62页 |
| ·多目标的电梯调度算法 | 第62-66页 |
| ·电梯群控系统的多目标性 | 第62-63页 |
| ·电梯群控系统的多目标模型 | 第63-65页 |
| ·电梯优化调度策略 | 第65-66页 |
| ·算法改进与实验分析 | 第66-70页 |
| ·多目标规划模型的改进 | 第66-68页 |
| ·实验结果与分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 系统模拟与实验分析 | 第71-80页 |
| ·项目背景 | 第71-73页 |
| ·系统模拟 | 第73-77页 |
| ·实验环境 | 第73页 |
| ·图像处理模块的模拟实现 | 第73-75页 |
| ·电梯调度模块的模拟实现 | 第75-77页 |
| ·实验结果分析 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-82页 |
| ·结论 | 第80页 |
| ·展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-85页 |
