|
| 內容簡介： |
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。
|
| 關於作者： |
|
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。
|
| 目錄：
|
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
|
| 內容試閱：
|
我国煤炭开采工作环境多为井工煤矿，地质环境复杂，事故发生率较高。在井下应用远程视频监控及数字图像压缩技术可以记录煤矿井下工作的详细情况，也可以使地面监控室的工作人员观测到监控区域的生产状况。应用远程视频监控智能分析技术不仅可以尽早发现煤矿开采工作环境存在的安全隐患，预防矿难的发生，还可以在事故发生后为事故后期分析提供图像资料。井下视频监控智能分析技术在目前煤矿井下安全监控系统的研究中占据重要位置。
本书共分11章。第1章分析了煤矿井下视频监控及人脸识别的研究目的，介绍了视频监控及人脸识别技术的国内外研究现状；第2章介绍了视频监控相关技术与理论；第3章详细描述了煤矿井下尘雾图像增强算法；第4章论述了煤矿井下人员检测技术；第5章采用HSV模型和YCbCr模型研究了火焰识别规则，并结合VIBE算法给出了一种实时火灾图像分割算法；第6章设计实现了基于SVM的火焰检测算法；第7章介绍了人脸检测、人脸跟踪和人脸识别相关技术及其理论；第8章介绍了基于ASM的人脸检测与跟踪方法，并给出了适用于矿井环境的矿井人员人脸检测算法和人脸跟踪算法；第9章给出了一种基于Shearlet变换的煤矿井下图像差异性特征提取方法；第10章介绍了稀疏描述方法并给出了一种差异性Shearlet特征的快速稀疏描述人脸识别方法；第11章对本书的研究工作进行总结，并对下一步的工作做出安排。
本书得到“十二五”山西省科技重大专项项目“基于人-机-环联动煤矿井下生产全过程监测预警及重大事故救援指挥集成系统研究”和山西省一中国科学院科技合作重大项目“基于地理特征数据的煤矿安全生产关键技术研究”的支持。在此向山西省科技厅的大力支持表示感谢。
本书从提纲规划、文字撰写到书稿完成都离不开老师和同学们的支持与帮助。感谢太原科技大学郭勇义教授在团队成长和项目实施过程中的无私帮助和支持；感谢张英俊、谢斌红、翁自觉、谢建林、李川田等各位老师的关心和支持；感谢团队研究生杜明本、雷耀花、黄玉、张秀琴、万航、解丹、郑佳敏等同学的辛勤工作。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
