基于视频监控的室内智能火灾检测技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 本文研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要内容和组织结构 | 第10-12页 |
| 第二章 基于视频的实验室火灾检测 | 第12-16页 |
| 2.1 总体架构 | 第12-13页 |
| 2.2 火灾检测总体思路 | 第13-15页 |
| 2.2.1 运动目标的检测 | 第13-14页 |
| 2.2.2 特征选择 | 第14页 |
| 2.2.3 火焰检测算法设计 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 视频图像前期分析和处理 | 第16-36页 |
| 3.1 图像预处理技术 | 第16-26页 |
| 3.1.1 图像灰度化 | 第16-17页 |
| 3.1.2 背景的提取 | 第17-21页 |
| 3.1.3 背景的更新 | 第21-26页 |
| 3.2 运动目标分割 | 第26-28页 |
| 3.4 形态学处理 | 第28-31页 |
| 3.5 目标区域再处理 | 第31-35页 |
| 3.5.1 连通域标记 | 第31-33页 |
| 3.5.2 灰度一致性处理 | 第33页 |
| 3.5.3 运动特性分析 | 第33-34页 |
| 3.5.4 目标区域框图标识 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 火焰目标的检测识别 | 第36-45页 |
| 4.1 火焰特征 | 第36-37页 |
| 4.1.1 火焰静态特征 | 第36页 |
| 4.1.2 火焰动态特征 | 第36-37页 |
| 4.2 火焰的面积变化特征分析 | 第37页 |
| 4.3 火焰的闪烁频率特征 | 第37-38页 |
| 4.4 火焰的圆形度分析 | 第38-44页 |
| 4.4.1 圆形度特征 | 第38页 |
| 4.4.2 边界链码 | 第38-39页 |
| 4.4.3 快速孔洞填充 | 第39-41页 |
| 4.4.4 边界提取 | 第41-43页 |
| 4.4.5 圆形度实验与结果分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 火焰目标识别分类器设计 | 第45-50页 |
| 5.1 Adaboost算法介绍 | 第45-47页 |
| 5.1.1 Adaboost算法分析 | 第46-47页 |
| 5.1.2 Adaboost算法的优势 | 第47页 |
| 5.2 火焰分类器设计 | 第47-48页 |
| 5.3 检测结果与分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
