山区视频监控点选址算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 选题背景及研究意义 | 第15-17页 |
| 1.1.1 选题背景 | 第15-16页 |
| 1.1.2 问题的提出 | 第16-17页 |
| 1.1.3 研究意义 | 第17页 |
| 1.2 研究进展 | 第17-21页 |
| 1.2.1 地形特征要素提取研究进展 | 第17-18页 |
| 1.2.2 可视域分析研究进展 | 第18-19页 |
| 1.2.3 视频监控点选址研究进展 | 第19-20页 |
| 1.2.4 小结 | 第20-21页 |
| 1.3 研究目标、内容 | 第21-22页 |
| 1.3.1 研究目标 | 第21页 |
| 1.3.2 研究内容 | 第21页 |
| 1.3.3 关键问题 | 第21-22页 |
| 1.4 研究方法与技术路线 | 第22-23页 |
| 1.4.1 研究方法 | 第22页 |
| 1.4.2 技术路线 | 第22-23页 |
| 1.5 论文组织 | 第23-25页 |
| 第2章 基于蚁群优化的监控点选址算法研究 | 第25-43页 |
| 2.1 蚁群优化基本原理 | 第25-26页 |
| 2.1.1 蚁群优化基本要素 | 第25页 |
| 2.1.2 蚁群行为分析 | 第25-26页 |
| 2.2 监控点自动选址背景设定 | 第26-29页 |
| 2.2.1 监控摄像机假定 | 第26-27页 |
| 2.2.2 可视域与摄像机成像质量 | 第27-28页 |
| 2.2.3 选址目标及约束条件 | 第28-29页 |
| 2.3 ACO_VMS算法设计 | 第29-38页 |
| 2.3.1 视频监控点自动选址算法框架 | 第29-38页 |
| 2.4 ACO_VMS评价方法 | 第38-40页 |
| 2.5 ACO_VMS效率分析 | 第40-41页 |
| 2.6 本章小结 | 第41-43页 |
| 第3章 基于并行蚁群的监控点选址算法研究 | 第43-52页 |
| 3.1 并行策略 | 第43-44页 |
| 3.2 基于并行蚁群的选址算法设计 | 第44-45页 |
| 3.3 并行效率分析 | 第45-47页 |
| 3.4 蚁群算法参数率定 | 第47-51页 |
| 3.4.1 信息素保留率 | 第47-48页 |
| 3.4.2 期望启发式因子 | 第48-49页 |
| 3.4.3 蚂蚁个数 | 第49-50页 |
| 3.4.4 迭代次数 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 山区视频监控点选址算法实例 | 第52-65页 |
| 4.1 实验样区与实验数据 | 第52-54页 |
| 4.1.1 实验样区 | 第52-53页 |
| 4.1.2 实验数据 | 第53页 |
| 4.1.3 实验平台 | 第53-54页 |
| 4.2 候选监控点提取 | 第54-56页 |
| 4.2.1 地形特征点提取 | 第54-55页 |
| 4.2.2 地形特征点筛选 | 第55-56页 |
| 4.3 监控点监控区域模拟 | 第56-59页 |
| 4.3.1 面向视频监控的可视域算法精度分析 | 第56-57页 |
| 4.3.2 面向视频监控的可视域算法参数优化 | 第57-59页 |
| 4.4 基于ACO_VMS的监控点自动选址 | 第59-63页 |
| 4.4.1 应用模式1-联合覆盖率最大化 | 第60-62页 |
| 4.4.2 应用模式2-监控点数目最小化 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 主要工作及结论 | 第65-66页 |
| 5.2 存在的不足及研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
