色中色欧美,91香蕉视频软件APP

內(nèi)容簡介

　　視頻監(jiān)控智能分析技術(shù)是煤礦安全監(jiān)控技術(shù)發(fā)展的重要方向。通過智能視頻分析技術(shù)自動分析視頻監(jiān)控數(shù)據(jù)的異?，F(xiàn)象，有助于及時發(fā)現(xiàn)監(jiān)控場景中的突發(fā)事故并及時報警，對于生產(chǎn)過程的實時管理具有重要作用。亦可避免由人工監(jiān)控帶來的漏報和誤報等問題，并能顯著降低監(jiān)控人員的工作量?！睹旱V井下視頻圖像處理技術(shù)》以煤礦井下生產(chǎn)人員的行為監(jiān)控為研究對象，針對煤礦井下視頻監(jiān)控的特點，重點描述如何使視頻圖像更清晰和如何準(zhǔn)確高效地檢測出煤礦場景中的人員和環(huán)境目標(biāo)；研究了煤礦井下復(fù)雜環(huán)境中的圖像增強、圖像分割、圖像檢測、人臉跟蹤特征提取和識別等方面的多種算法?！睹旱V井下視頻圖像處理技術(shù)》可供煤礦領(lǐng)域相關(guān)人員及從事視頻監(jiān)控研究工作的專業(yè)技術(shù)人員閱讀，也可作為計算機及相關(guān)專業(yè)高年級本科生和研究生的參考書。

作者簡介

　　潘理虎，理學(xué)博士，教授，太原科技大學(xué)計算機科學(xué)與技術(shù)學(xué)院副院長，中國計算機學(xué)會高級會員，中國計算機學(xué)會軟件工程專委會委員，中國高等教育學(xué)會教育評估分會理事，中國高校人工智能與大數(shù)據(jù)聯(lián)盟理事。主要從事煤礦安全、軟件工程、復(fù)雜系統(tǒng)仿真、人工智能等領(lǐng)域的教學(xué)與科研工作。先后承擔(dān)和參與國家自然科學(xué)基金項目、“十二五”山西省科技重大專項項目。山西省一中科院科技合作重大項目等科研課題與橫向項目15項。在國內(nèi)外重要學(xué)術(shù)期刊及國際學(xué)術(shù)會議上發(fā)表學(xué)術(shù)論文50余篇，其中SCI、EI收錄20篇；獲得專利授權(quán)4項，軟件著作權(quán)10項；出版專著2部、教材4部。

圖書目錄

第1章緒論
1．1 煤礦井下視頻監(jiān)控系統(tǒng)概述
1．2 煤礦井下視頻監(jiān)控的特點
1．3 煤礦井下視頻監(jiān)控理論與應(yīng)用研究
1．3．1 人員檢測技術(shù)方法研究
1．3．2 火災(zāi)檢測算法應(yīng)用研究
1．3．3 火焰圖像分割方法分類
1．3．4 塵霧圖像增強算法研究
1．3．5 煤礦井下人臉識別技術(shù)研究
第2章視頻監(jiān)控相關(guān)技術(shù)與理論
2．1 灰度化與二值化
2．2 直方圖均衡化與形態(tài)學(xué)處理
2．3 圖像去噪技術(shù)
2．3．1 空間域圖像去噪
2．3．2 變換域圖像去噪
2．4 ViBe運動檢測算法
2．5 數(shù)字圖像壓縮技術(shù)
2．5．1 圖像格式、容器和壓縮標(biāo)準(zhǔn)
2．5．2 霍夫曼編碼
2．5．3 小波編碼
2．5．4 算術(shù)編碼
2．6 圖像下采樣
第3章煤礦井下塵霧圖像增強算法研究
3．1 模糊理論圖像增強
3．1．1 模糊集合
3．1．2 模糊理論圖像增強的處理步驟
3．2 塵霧圖像退化模型與增強算法
3．2．1 塵霧圖像退化模型
3．2．2 暗原色先驗理論
3．2．3 透射率圖獲取
3．2．4 自適應(yīng)雙邊濾波器
3．2．5 透射率圖優(yōu)化與去噪
3．2．6 圖像復(fù)原
3．3 實驗結(jié)果與分析
第4章煤礦井下人員檢測技術(shù)
4．1 運動區(qū)域前景提取
4．1．1 隔幀差分法
4．1．2 背景更新
4．1．3 前景提取
4．2 單礦工運動目標(biāo)檢測
4．3 HOG+SVM礦工檢測
4．3．1 HOG特征提取
4．3．2 主成分分析法降維
4．3．3 分類器的訓(xùn)練
4．3．4 實驗結(jié)果與分析
第5章火焰分割算法研究
5．1 ViBe算法的優(yōu)化
5．2 火焰顏色識別規(guī)則
5．2．1 基于HSV空間模型的火焰識別規(guī)則
5．2．2 基于YCbCr顏色空間模型的火焰識別規(guī)則
5．3 火焰分割算法
5．4 實驗結(jié)果與分析
第6章基于SVM的火焰檢測算法設(shè)計與實現(xiàn)
6．1 SVM算法簡介
6．1．1 VC維理論與結(jié)構(gòu)化最小風(fēng)險
6．1．2 分類器
6．1．3 核函數(shù)
6．2 火焰圖像特征提取
6．2．1 面積特征
6．2．2 邊緣特征
6．2．3 形狀特征
6．2．4 紋理特征
6．3 火焰檢測算法
6．4 實驗結(jié)果與分析
第7章人臉識別相關(guān)技術(shù)及其理論
7．1 Haar矩形特征的檢測
7．1．1 Haar矩形特征
7．1．2 積分圖像
7．1．3 AdaBoost算法
7．1．4 級聯(lián)分類器
7．1．5 AdaBoost算法的人臉檢測機制
7．2 ASM主動形狀模型
7．2．1 構(gòu)建形狀向量
7．2．2 建立形狀模型
7．2．3 構(gòu)建局部灰度模型
7．2．4 ASM模型的匹配
7．3 主成分分析法
7．3．1 傳統(tǒng)PCA
7．3．2 二維PCA
7．4 快速魯棒特征
7．4．1 特征點檢測
7．4．2 生成特征描述子
第8章基于ASM的人臉檢測與跟蹤
8．1 基于Haar的人臉檢測
8．1．1 Haar的人臉檢測
8．1．2 實驗結(jié)果與分析
8．2 基于ASM的人臉檢測
8．2．1 數(shù)據(jù)收集
8．2．2 形狀模型
8．2．3 人臉的檢測
8．2．4 實驗結(jié)果與分析
8．3 基于ASM的人臉跟蹤
8．3．1 局部塊模型
8．3．2 人臉跟蹤實現(xiàn)
8．3．3 實驗結(jié)果與分析
第9章基于Shearlet變換的差異性特征提取
9．1 問題概述
9．2 人臉特征類型及評價指標(biāo)
9．2．1 人臉特征類型
9．2．2 評價指標(biāo)
9．3 Shearlet變換
9．3．1 連續(xù)Shearlet變換
9．3．2 離散Shearlet變換
9．4 融合多尺度Shearlet變換的人臉特征提取
9．5 實驗結(jié)果與分析
9．5．1 主觀評價
9．5．2 客觀評價
第10章基于稀疏描述的人臉分類識別
10．1 稀疏描述與人臉識別
10．2 稀疏描述人臉識別算法
10．2．1 問題描述
10．2．2 問題優(yōu)化
10．3 快速稀疏描述人臉識別算法
10．3．1 問題描述
10．3．2 可行性分析
10．4 差異性Shearlet特征的快速稀疏描述人臉識別算法
10．4．1 多尺度多方向的Shearlet特征融合
10．4．2 分類識別
10．4．3 算法步驟
10．5 實驗結(jié)果與分析
10．5．1 ORL人臉庫中人臉識別實驗
10．5．2 YALE庫中人臉識別實驗
第11章結(jié)束語
參考文獻(xiàn)