煤矿井下视频图像处理技术
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 50.5 6.4折 ￥ 79 全新
库存2件
作者潘理虎，赵淑芳，陈立潮著
出版社科学出版社
ISBN9787030584007
出版时间2021-05
装帧平装
开本16开
定价79元
货号31159364
上书时间2024-10-13
- 在售商品 暂无
- 平均发货时间 19小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
潘理虎，理学博士，教授，太原科技计算机科学与技术学院副院长，中国计算机学会会员，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。在外重要学术期刊及国际学术会议上发表学术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
1.1 煤矿井下视频监控系统概述1
1.2 煤矿井下视频监控的特点2
1.3 煤矿井下视频监控理论与应用研究3
1.3.1 人员检测技术方法研究3
1.3.2 火灾检测算法应用研究5
1.3.3 火焰图像分割方法分类6
1.3.4 尘雾图像增强算法研究8
1.3.5 煤矿井下人脸识别技术研究8
第2章 视频监控相关技术与理论12
2.1 灰度化与二值化12
2.2 直方图均衡化与形态学处理13
2.3 图像去噪技术15
2.3.1 空间域图像去噪16
2.3.2 变换域图像去噪18
2.4 ViBe运动检测算法19
2.5 数字图像压缩技术20
2.5.1 图像格式、容器和压缩标准21
2.5.2 霍夫曼编码22
2.5.3 小波编码23
2.5.4 算术编码24
2.6 图像下采样26
第3章 煤矿井下尘雾图像增强算法研究27
3.1 模糊理论图像增强27
3.1.1 模糊集合27
3.1.2 模糊理论图像增强的处理步骤28
3.2 尘雾图像退化模型与增强算法30
3.2.1 尘雾图像退化模型30
3.2.2 暗原色先验理论30
3.2.3 透射率图获取32
3.2.4 自适应双边滤波器32
3.2.5 透射率图优化与去噪33
3.2.6 图像复原34
3.3 实验结果与分析35
第4章 煤矿井下人员检测技术39
4.1 运动区域前景提取39
4.1.1 隔帧差分法40
4.1.2 背景更新42
4.1.3 前景提取43
4.2 单矿工运动目标检测43
4.3 HOG+SVM矿工检测45
4.3.1 HOG特征提取45
4.3.2 主成分分析法降维46
4.3.3 分类器的训练47
4.3.4 实验结果与分析49
第5章 火焰分割算法研究51
5.1 ViBe算法的优化51
5.2 火焰颜色识别规则53
5.2.1 基于HSV空间模型的火焰识别规则54
5.2.2 基于YCbCr颜色空间模型的火焰识别规则56
5.3 火焰分割算法60
5.4 实验结果与分析60
第6章 基于SVM的火焰检测算法设计与实现63
6.1 SVM算法简介63
6.1.1 VC维理论与结构化最小风险63
6.1.2 分类器64
6.1.3 核函数66
6.2 火焰图像特征提取66
6.2.1 面积特征66
6.2.2 边缘特征67
6.2.3 形状特征68
6.2.4 纹理特征68
6.3 火焰检测算法70
6.4 实验结果与分析71
第7章 人脸识别相关技术及其理论74
7.1 Haar矩形特征的检测74
7.1.1 Haar矩形特征74
7.1.2 积分图像75
7.1.3 AdaBoost算法77
7.1.4 级联分类器78
7.1.5 AdaBoost算法的人脸检测机制79
7.2 ASM主动形状模型79
7.2.1 构建形状向量79
7.2.2 建立形状模型80
7.2.3 构建局部灰度模型82
7.2.4 ASM模型的匹配83
7.3 主成分分析法84
7.3.1 传统PCA84
7.3.2 二维PCA85
7.4 快速鲁棒特征86
7.4.1 特征点检测87
7.4.2 生成特征描述子89
第8章 基于ASM的人脸检测与跟踪91
8.1 基于Haar的人脸检测91
8.1.1 Haar的人脸检测92
8.1.2 实验结果与分析92
8.2 基于ASM的人脸检测93
8.2.1 数据收集94
8.2.2 形状模型94
8.2.3 人脸的检测99
8.2.4 实验结果与分析99
8.3 基于ASM的人脸跟踪101
8.3.1 局部块模型101
8.3.2 人脸跟踪实现105
8.3.3 实验结果与分析106
第9章 基于Shearlet变换的差异性特征提取108
9.1 问题概述108
9.2 人脸特征类型及评价指标109
9.2.1 人脸特征类型109
9.2.2 评价指标110
9.3 Shearlet变换111
9.3.1 连续Shearlet变换111
9.3.2 离散Shearlet变换111
9.4 融合多尺度Shearlet变换的人脸特征提取112
9.5 实验结果与分析114
9.5.1 主观评价115
9.5.2 客观评价115
第10章 基于稀疏描述的人脸分类识别117
10.1 稀疏描述与人脸识别117
10.2 稀疏描述人脸识别算法119
10.2.1 问题描述119
10.2.2 问题优化121
10.3 快速稀疏描述人脸识别算法123
10.3.1 问题描述123
10.3.2 可行性分析124
10.4 差异性Shearlet特征的快速稀疏描述人脸识别算法124
10.4.1 多尺度多方向的Shearlet特征融合124
10.4.2 分类识别125
10.4.3 算法步骤127
10.5 实验结果与分析127
10.5.1 ORL人脸库中人脸识别实验127
10.5.2 YALE库中人脸识别实验130
第11章 结束语132
参考文献134
内容摘要
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。
本书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。
本书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。
— 没有更多了 —
以下为对购买帮助不大的评价