学位论文 > 优秀研究生学位论文题录展示

图像识别技术在换流站监控系统中的应用研究

作　者: 冯杰
导　师: 陈圣俭
学　校: 华北电力大学（北京）
专　业: 计算机应用技术
关键词: 梯度直方图 Haar-like特征支持向量机 AdaBoost算法人体识别安全帽识别
分类号: TP277
类　型: 硕士论文
年　份: 2010年
下　载: 70次
引　用: 0次
阅　读: 论文下载

内容摘要

本文对安全帽识别系统中的人体定位与安全帽定位进行了初步研究。首先,本文使用梯度直方图特征,采用支持向量机方法定位人体；其次,本文采用Haar-like特征,基于AdaBoost分类器进行安全帽定位；最后,根据人体与安全帽在空间的位置来判断作业工人是否佩戴安全帽。由于使用梯度直方图特征进行人体检测实时性能较差,本文对特征提取的方法作了改进。实验结果表明,改进后的人体检测算法具有较好的实时性能。一般而言,系统同时检测到人体与安全帽并不能认为作业人员佩戴安全帽。因此,有必要使用二者空间位置信息做更精确地判断。实验表明,该系统基本满足对处于危险场合的作业人员佩戴安全帽监控的要求。

全文目录

摘要  3
ABSTRACT  3-4
目录  4-6
第1章绪论  6-9
  1.1 选题背景及意义  6-7
  1.2 图像识别技术国内外研究及应用现状  7-8
  1.3 论文的主要工作  8-9
第2章核心技术研究  9-21
  2.1 视频采集技术研究  9
  2.2 图像预处理技术研究  9-13
    2.2.1 过滤技术  10-11
    2.2.2 彩色图像变换  11-12
    2.2.3 滤波处理  12
    2.2.4 图像分割  12-13
  2.3 图像识别技术研究  13-20
    2.3.1 SVM(支持向量机)  13-15
    2.3.2 Boosting算法  15-16
    2.3.3 HOG(梯度直方图)  16-17
    2.3.4 Haar-like  17-20
  2.4 本章小结  20-21
第3章人体检测技术应用研究  21-37
  3.1 常用人体检测算法讨论  21-22
  3.2 梯度直方图特征(HOG)  22-23
  3.3 支持向量机(SVM)  23-29
    3.3.1 线性支持向量机(SVM)  26-28
    3.3.2 非线性支持向量机(SVM)  28-29
    3.3.3 支持向量机(SVM)内积核函数  29
  3.4 基于梯度直方图特征的人体检测算法  29-31
  3.5 改进的人体检测算法  31-35
    3.5.1 算法改进的动机  31-32
    3.5.2 改进的人体检测算法  32-35
    3.5.3 算法性能分析  35
  3.6 本章小结  35-37
第4章安全帽定位技术应用研究  37-50
  4.1 安全帽定位技术  37
  4.2 机器学习  37-38
    4.2.1 机器学习的基本问题  38
  4.3 HAAR-LIKE特征  38-41
    4.3.1 HAAR-LIKE特征计算  39-41
  4.4 ADABOOST  41-46
    4.4.1 弱分类器的存在性  41-42
    4.4.2 ADABOOST算法介绍  42-44
    4.4.3 训练错误率  44-46
  4.5 分类器的训练  46-47
  4.6 目标检测方法分析  47-49
  4.7 本章小结  49-50
第5章试验结果及分析  50-58
  5.1 试验平台  50
  5.2 样本库  50-51
    5.2.1 训练样本库  50-51
  5.3 训练人体分类器  51-53
    5.3.1 样本准备工作  51-53
    5.3.2 SVM分类器训练  53
  5.4 分类器性能试验  53-58
    5.4.1 测试图像库试验  54-57
    5.4.2 试验结果分析  57-58
第6章工作总结与展望  58-59
参考文献  59-62
致谢  62-63
在学期间发表的学术论文和参加科研情况  63

图像识别技术在换流站监控系统中的应用研究

内容摘要

全文目录

相似论文