书籍详情
煤矿井下视频图像处理技术
作者：潘理虎，赵淑芳，陈立潮 著
出版社：科学出版社
出版时间：2021-05-01
ISBN：9787030584007
定价：¥79.00
购买这本书可以去
内容简介
视频监控智能分析技术是煤矿安全监控技术发展的重要方向。通过智能视频分析技术自动分析视频监控数据的异常现象，有助于及时发现监控场景中的突发事故并及时报警，对于生产过程的实时管理具有重要作用。亦可避免由人工监控带来的漏报和误报等问题，并能显著降低监控人员的工作量。《煤矿井下视频图像处理技术》以煤矿井下生产人员的行为监控为研究对象，针对煤矿井下视频监控的特点，重点描述如何使视频图像更清晰和如何准确高效地检测出煤矿场景中的人员和环境目标；研究了煤矿井下复杂环境中的图像增强、图像分割、图像检测、人脸跟踪特征提取和识别等方面的多种算法。《煤矿井下视频图像处理技术》可供煤矿领域相关人员及从事视频监控研究工作的专业技术人员阅读，也可作为计算机及相关专业高年级本科生和研究生的参考书。
作者简介
潘理虎，理学博士，教授，太原科技大学计算机科学与技术学院副院长，中国计算机学会高级会员，中国计算机学会软件工程专委会委员，中国高等教育学会教育评估分会理事，中国高校人工智能与大数据联盟理事。主要从事煤矿安全、软件工程、复杂系统仿真、人工智能等领域的教学与科研工作。先后承担和参与国家自然科学基金项目、“十二五”山西省科技重大专项项目。山西省一中科院科技合作重大项目等科研课题与横向项目15项。在国内外重要学术期刊及国际学术会议上发表学术论文50余篇，其中SCI、EI收录20篇；获得专利授权4项，软件著作权10项；出版专著2部、教材4部。
目录
第1章 绪论
1．1 煤矿井下视频监控系统概述
1．2 煤矿井下视频监控的特点
1．3 煤矿井下视频监控理论与应用研究
1．3．1 人员检测技术方法研究
1．3．2 火灾检测算法应用研究
1．3．3 火焰图像分割方法分类
1．3．4 尘雾图像增强算法研究
1．3．5 煤矿井下人脸识别技术研究
第2章 视频监控相关技术与理论
2．1 灰度化与二值化
2．2 直方图均衡化与形态学处理
2．3 图像去噪技术
2．3．1 空间域图像去噪
2．3．2 变换域图像去噪
2．4 ViBe运动检测算法
2．5 数字图像压缩技术
2．5．1 图像格式、容器和压缩标准
2．5．2 霍夫曼编码
2．5．3 小波编码
2．5．4 算术编码
2．6 图像下采样
第3章 煤矿井下尘雾图像增强算法研究
3．1 模糊理论图像增强
3．1．1 模糊集合
3．1．2 模糊理论图像增强的处理步骤
3．2 尘雾图像退化模型与增强算法
3．2．1 尘雾图像退化模型
3．2．2 暗原色先验理论
3．2．3 透射率图获取
3．2．4 自适应双边滤波器
3．2．5 透射率图优化与去噪
3．2．6 图像复原
3．3 实验结果与分析
第4章 煤矿井下人员检测技术
4．1 运动区域前景提取
4．1．1 隔帧差分法
4．1．2 背景更新
4．1．3 前景提取
4．2 单矿工运动目标检测
4．3 HOG+SVM矿工检测
4．3．1 HOG特征提取
4．3．2 主成分分析法降维
4．3．3 分类器的训练
4．3．4 实验结果与分析
第5章 火焰分割算法研究
5．1 ViBe算法的优化
5．2 火焰颜色识别规则
5．2．1 基于HSV空间模型的火焰识别规则
5．2．2 基于YCbCr颜色空间模型的火焰识别规则
5．3 火焰分割算法
5．4 实验结果与分析
第6章 基于SVM的火焰检测算法设计与实现
6．1 SVM算法简介
6．1．1 VC维理论与结构化最小风险
6．1．2 分类器
6．1．3 核函数
6．2 火焰图像特征提取
6．2．1 面积特征
6．2．2 边缘特征
6．2．3 形状特征
6．2．4 纹理特征
6．3 火焰检测算法
6．4 实验结果与分析
第7章 人脸识别相关技术及其理论
7．1 Haar矩形特征的检测
7．1．1 Haar矩形特征
7．1．2 积分图像
7．1．3 AdaBoost算法
7．1．4 级联分类器
7．1．5 AdaBoost算法的人脸检测机制
7．2 ASM主动形状模型
7．2．1 构建形状向量
7．2．2 建立形状模型
7．2．3 构建局部灰度模型
7．2．4 ASM模型的匹配
7．3 主成分分析法
7．3．1 传统PCA
7．3．2 二维PCA
7．4 快速鲁棒特征
7．4．1 特征点检测
7．4．2 生成特征描述子
第8章 基于ASM的人脸检测与跟踪
8．1 基于Haar的人脸检测
8．1．1 Haar的人脸检测
8．1．2 实验结果与分析
8．2 基于ASM的人脸检测
8．2．1 数据收集
8．2．2 形状模型
8．2．3 人脸的检测
8．2．4 实验结果与分析
8．3 基于ASM的人脸跟踪
8．3．1 局部块模型
8．3．2 人脸跟踪实现
8．3．3 实验结果与分析
第9章 基于Shearlet变换的差异性特征提取
9．1 问题概述
9．2 人脸特征类型及评价指标
9．2．1 人脸特征类型
9．2．2 评价指标
9．3 Shearlet变换
9．3．1 连续Shearlet变换
9．3．2 离散Shearlet变换
9．4 融合多尺度Shearlet变换的人脸特征提取
9．5 实验结果与分析
9．5．1 主观评价
9．5．2 客观评价
第10章 基于稀疏描述的人脸分类识别
10．1 稀疏描述与人脸识别
10．2 稀疏描述人脸识别算法
10．2．1 问题描述
10．2．2 问题优化
10．3 快速稀疏描述人脸识别算法
10．3．1 问题描述
10．3．2 可行性分析
10．4 差异性Shearlet特征的快速稀疏描述人脸识别算法
10．4．1 多尺度多方向的Shearlet特征融合
10．4．2 分类识别
10．4．3 算法步骤
10．5 实验结果与分析
10．5．1 ORL人脸库中人脸识别实验
10．5．2 YALE库中人脸识别实验
第11章 结束语
参考文献
1．1 煤矿井下视频监控系统概述
1．2 煤矿井下视频监控的特点
1．3 煤矿井下视频监控理论与应用研究
1．3．1 人员检测技术方法研究
1．3．2 火灾检测算法应用研究
1．3．3 火焰图像分割方法分类
1．3．4 尘雾图像增强算法研究
1．3．5 煤矿井下人脸识别技术研究
第2章 视频监控相关技术与理论
2．1 灰度化与二值化
2．2 直方图均衡化与形态学处理
2．3 图像去噪技术
2．3．1 空间域图像去噪
2．3．2 变换域图像去噪
2．4 ViBe运动检测算法
2．5 数字图像压缩技术
2．5．1 图像格式、容器和压缩标准
2．5．2 霍夫曼编码
2．5．3 小波编码
2．5．4 算术编码
2．6 图像下采样
第3章 煤矿井下尘雾图像增强算法研究
3．1 模糊理论图像增强
3．1．1 模糊集合
3．1．2 模糊理论图像增强的处理步骤
3．2 尘雾图像退化模型与增强算法
3．2．1 尘雾图像退化模型
3．2．2 暗原色先验理论
3．2．3 透射率图获取
3．2．4 自适应双边滤波器
3．2．5 透射率图优化与去噪
3．2．6 图像复原
3．3 实验结果与分析
第4章 煤矿井下人员检测技术
4．1 运动区域前景提取
4．1．1 隔帧差分法
4．1．2 背景更新
4．1．3 前景提取
4．2 单矿工运动目标检测
4．3 HOG+SVM矿工检测
4．3．1 HOG特征提取
4．3．2 主成分分析法降维
4．3．3 分类器的训练
4．3．4 实验结果与分析
第5章 火焰分割算法研究
5．1 ViBe算法的优化
5．2 火焰颜色识别规则
5．2．1 基于HSV空间模型的火焰识别规则
5．2．2 基于YCbCr颜色空间模型的火焰识别规则
5．3 火焰分割算法
5．4 实验结果与分析
第6章 基于SVM的火焰检测算法设计与实现
6．1 SVM算法简介
6．1．1 VC维理论与结构化最小风险
6．1．2 分类器
6．1．3 核函数
6．2 火焰图像特征提取
6．2．1 面积特征
6．2．2 边缘特征
6．2．3 形状特征
6．2．4 纹理特征
6．3 火焰检测算法
6．4 实验结果与分析
第7章 人脸识别相关技术及其理论
7．1 Haar矩形特征的检测
7．1．1 Haar矩形特征
7．1．2 积分图像
7．1．3 AdaBoost算法
7．1．4 级联分类器
7．1．5 AdaBoost算法的人脸检测机制
7．2 ASM主动形状模型
7．2．1 构建形状向量
7．2．2 建立形状模型
7．2．3 构建局部灰度模型
7．2．4 ASM模型的匹配
7．3 主成分分析法
7．3．1 传统PCA
7．3．2 二维PCA
7．4 快速鲁棒特征
7．4．1 特征点检测
7．4．2 生成特征描述子
第8章 基于ASM的人脸检测与跟踪
8．1 基于Haar的人脸检测
8．1．1 Haar的人脸检测
8．1．2 实验结果与分析
8．2 基于ASM的人脸检测
8．2．1 数据收集
8．2．2 形状模型
8．2．3 人脸的检测
8．2．4 实验结果与分析
8．3 基于ASM的人脸跟踪
8．3．1 局部块模型
8．3．2 人脸跟踪实现
8．3．3 实验结果与分析
第9章 基于Shearlet变换的差异性特征提取
9．1 问题概述
9．2 人脸特征类型及评价指标
9．2．1 人脸特征类型
9．2．2 评价指标
9．3 Shearlet变换
9．3．1 连续Shearlet变换
9．3．2 离散Shearlet变换
9．4 融合多尺度Shearlet变换的人脸特征提取
9．5 实验结果与分析
9．5．1 主观评价
9．5．2 客观评价
第10章 基于稀疏描述的人脸分类识别
10．1 稀疏描述与人脸识别
10．2 稀疏描述人脸识别算法
10．2．1 问题描述
10．2．2 问题优化
10．3 快速稀疏描述人脸识别算法
10．3．1 问题描述
10．3．2 可行性分析
10．4 差异性Shearlet特征的快速稀疏描述人脸识别算法
10．4．1 多尺度多方向的Shearlet特征融合
10．4．2 分类识别
10．4．3 算法步骤
10．5 实验结果与分析
10．5．1 ORL人脸库中人脸识别实验
10．5．2 YALE库中人脸识别实验
第11章 结束语
参考文献
猜您喜欢
