基于SVM的牵引变电站人体入侵检测的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 人体目标检测技术的研究 | 第12-13页 |
| 1.2.2 牵引变电站人体目标检测的研究 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 第2章 基于SVM人体目标检测与识别原理 | 第16-30页 |
| 2.1 机器视觉与模式识别 | 第16-19页 |
| 2.1.1 机器学习 | 第17-18页 |
| 2.1.2 模式识别理论 | 第18-19页 |
| 2.2 图像HOG特征 | 第19-21页 |
| 2.3 特征向量的归一化 | 第21-23页 |
| 2.3.1 归一化的必要性 | 第21-22页 |
| 2.3.2 归一化方法 | 第22-23页 |
| 2.4 SVM的基础与理论 | 第23-29页 |
| 2.4.1 SVM的原理 | 第23-26页 |
| 2.4.2 SVM训练核函数 | 第26-28页 |
| 2.4.3 SVM的训练算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于SVM的牵引变电站人体目标检测 | 第30-52页 |
| 3.1 牵引变电站人体入侵检测系统 | 第30-32页 |
| 3.1.1 牵引变电站的监控系统 | 第30-31页 |
| 3.1.2 人体目标检测的实现 | 第31-32页 |
| 3.2 图像的预处理 | 第32-34页 |
| 3.2.1 图像的灰度化 | 第32页 |
| 3.2.2 图像的Gamma校正 | 第32-33页 |
| 3.2.3 图像的去噪处理 | 第33-34页 |
| 3.3 人体目标检测的主要工作 | 第34-42页 |
| 3.3.1 样本图像的采集 | 第34-36页 |
| 3.3.2 样本图像的特征提取 | 第36-37页 |
| 3.3.3 特征向量的归一化 | 第37-38页 |
| 3.3.4 RBF核函数的参数寻优 | 第38-39页 |
| 3.3.5 SVM的训练与测试 | 第39-40页 |
| 3.3.6 人体检测实验步骤 | 第40-42页 |
| 3.4 人体目标检测实验 | 第42-51页 |
| 3.4.1 实验平台和工具 | 第42-44页 |
| 3.4.2 实验参数的配置 | 第44-48页 |
| 3.4.3 实验结果与分析 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于差值区域分类的人体检测实验 | 第52-63页 |
| 4.1 引言 | 第52页 |
| 4.2 目标差值区域的提取 | 第52-54页 |
| 4.3 检测分类实验结果与分析 | 第54-55页 |
| 4.4 目标差值区域分类检测系统 | 第55-58页 |
| 4.4.1 系统设计 | 第56页 |
| 4.4.2 窗口界面的实现 | 第56-58页 |
| 4.5 视频中的人体目标检测 | 第58-62页 |
| 4.5.1 图像序列的采集 | 第58-59页 |
| 4.5.2 运动人体目标的检测 | 第59-61页 |
| 4.5.3 运动人体目标提取实验结果 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表论文及科研情况 | 第68页 |
