面向视频的火焰检测与跟踪算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 火灾探测系统的应用现状 | 第10页 |
| 1.2.2 视频火焰检测技术的研究现状 | 第10-12页 |
| 1.2.3 视频火焰跟踪算法的研究现状 | 第12页 |
| 1.3 视频火焰检测与跟踪的技术难点 | 第12-13页 |
| 1.4 本文的主要工作和结构安排 | 第13-15页 |
| 1.4.1 本文主要研究内容 | 第13页 |
| 1.4.2 本文的结构安排 | 第13-15页 |
| 第2章 视频火焰检测的基本理论 | 第15-24页 |
| 2.1 火灾视频图像获取与格式调整 | 第15页 |
| 2.2 火焰图像的预处理 | 第15-17页 |
| 2.2.1 火焰图像去燥 | 第15-16页 |
| 2.2.2 形态学处理 | 第16-17页 |
| 2.3 颜色模型 | 第17-20页 |
| 2.3.1 RGB颜色空间 | 第17页 |
| 2.3.2 HSI颜色空间 | 第17-18页 |
| 2.3.3 YCbCr颜色空间 | 第18页 |
| 2.3.4 火焰颜色模型分割 | 第18-20页 |
| 2.4 火焰特征 | 第20-22页 |
| 2.4.1 火焰静态特征 | 第21页 |
| 2.4.2 火焰动态特征 | 第21-22页 |
| 2.5 视频火焰检测的关键步骤 | 第22-23页 |
| 2.5.1 特征提取 | 第22页 |
| 2.5.2 目标检测 | 第22-23页 |
| 2.5.3 目标跟踪 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 结合颜色先验信息和CV模型的火焰图像分割 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 基于水平集的CV模型 | 第24-26页 |
| 3.3 改进的CV模型 | 第26-30页 |
| 3.3.1 设置初始轮廓线 | 第27-28页 |
| 3.3.2 对区域拟合中心的改进 | 第28-29页 |
| 3.3.3 消除冗余轮廓 | 第29-30页 |
| 3.4 火焰分割算法的实现 | 第30-31页 |
| 3.5 实验结果与分析 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 动态火焰的特征提取 | 第34-43页 |
| 4.1 火焰形态特征提取 | 第34-35页 |
| 4.1.1 圆形度 | 第34-35页 |
| 4.1.2 面积变化 | 第35页 |
| 4.2 火焰闪烁频率分析 | 第35-36页 |
| 4.3 基于词袋模型的火焰运动特性分析 | 第36-39页 |
| 4.3.1 提取低层特征 | 第37页 |
| 4.3.2 视觉词典的生成 | 第37-38页 |
| 4.3.3 高层语义特征表示 | 第38页 |
| 4.3.4 图像识别分类 | 第38-39页 |
| 4.4 实验结果及分析 | 第39-42页 |
| 4.4.1 形态特征分析结果 | 第39-40页 |
| 4.4.2 闪烁频率统计结果 | 第40-41页 |
| 4.4.3 运动特性分析结果 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于粒子滤波和区域特征融合的火焰跟踪 | 第43-55页 |
| 5.1 视频目标跟踪 | 第43-44页 |
| 5.2 视频目标跟踪算法及其性能分析 | 第44-46页 |
| 5.2.1 视频目标跟踪方法 | 第44-45页 |
| 5.2.2 常用的目标跟踪预测算法 | 第45-46页 |
| 5.3 基于粒子滤波和区域特征融合的火焰跟踪算法 | 第46-52页 |
| 5.3.1 粒子滤波算法原理 | 第47页 |
| 5.3.2 目标模型的建立 | 第47-48页 |
| 5.3.3 基于粒子滤波算法的目标位置预测 | 第48-50页 |
| 5.3.4 火焰多特征提取与融合判定 | 第50-51页 |
| 5.3.5 区域匹配 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间参与的科研项目和研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
