消息首页搜索举报

煤矿井下视频图像处理技术/模式识别技术丛书

正版保障假一赔十可开发票

50.54 6.4折 79 全新

库存24件

广东广州

认证卖家担保交易快速发货售后保障

作者潘理虎,赵淑芳,陈立潮

出版社中国科技出版传媒股份有限公司

ISBN9787030584007

出版时间2020-07

装帧平装

开本其他

定价79元

货号11050496

上书时间2024-12-26

灵感书店

三年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 10小时
好评率暂无

最新上架

给风险查户口 ¥43.10

现代临床全科医学 ¥99.72

书山寻宝 ¥32.88

释名疏证补 ¥49.39

工程制图项目化教程 ¥47.56

美术鉴赏 ¥13.53

我要闪闪发亮的人生 ¥43.63

自行车的诞生 ¥20.16

人类疾病的传播者——病原体 ¥32.25

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，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通讯委员。主要从事煤矿安全领域软件工程理论与应用、复杂地理系统模拟、人工智能等方面的教学与科研工作。先后承担和参与国家自然科学基金、山西省科技重大专项项目、山西省一中国科学院科技合作重大项目、其他省部级科研课题与横向项目10余项。在国内外重要刊物及国际学术会议发表学术论文50余篇；获得专利授权3项，软件著作权6项，出版专著、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PCA 84
7.3.2  二维PCA 85
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
第1章绪论
我国煤矿分布的区域，大多地质、水文条件复杂，井工煤矿比例大，煤层分布不均匀，且多存在于地下很深处，灾害发生率较高。这些地区常常发生各种自然灾害，而且矿井的安全生产受到水灾、瓦斯等因素的影响。多年来，煤矿的安全监管问题深受国家安全生产管理部门的高度重视，其安全事故高发的情况相较前些年有了明显改善。尽管如此，国内煤矿行业事故发生率与其他生产行业相比仍然很高，煤矿安全生产仍是亟待解决的难题之一。
视频监控是煤矿安全生产监控常用的技术手段之一，在提高煤矿安全生产水平方面发挥了重要作用。利用远程视频监控技术，地面监控室的工作人员可以清晰明确地观测到工作区人员的分布情况。运用视频图像智能分析技术，不仅可以第一时间发现存在的安全隐患，预防矿难的发生，还可为事故后期分析提供第一手图像资料。智能视频监控技术的优点使其在目前煤矿安全领域应用技术研究中占据重要的位置。
1.1煤矿井下视频监控系统概述
随着计算机技术和自动控制技术的飞速发展和应用推广，新一代信息技术逐渐应用到了煤矿井下安全监控系统中，加速了煤矿井下安全生产信息化、自动化和智能化的发展和普及。尤其是煤矿井下视频监控系统，已经普遍应用到煤矿生产过程关键环节的监控中，并取得了良好的应用效果。但是，我国现阶段使用的煤矿井下视频监控系统大多自动化程度较差，信息传递效率不高，监控点布置分散，不能获得矿井的完整信息，进而影响全矿井安全生产数字化监控。这些问题在很大程度上阻碍了煤矿事故预警以及灾后救援工作。
煤矿井下的视频监控系统是在满足大型矿难发生前的预报和发生后人员抢救等方面的需求下发展起来的。煤矿井下视频监控系统包括矿井下的监控报警终端、矿井外的安全监控中心以及信息通信网3部分。井下各处的人员分布情况可以通过监控终端传送到监控中心进行分析处理（这些信息包括人员的分布、采煤设备是否通电、各区域的瓦斯浓度是否正常等)。监控中心的工作人员可以借助监控系统实时掌握井下的情况，通过监控信息处理完成安全情况、开采进度的分析，一旦发现安全隐患，可以及时报警并通知矿工撤离，然后由管理人员排查原因解决问题。视频监控系统存储的现场视频可用来分析事故发生的原因、逃生路线等现场情况，为之后的安全防控提供第一手资料。
现阶段国内外很多煤矿企业采用的煤矿井下视频监控系统仍然存在很多问题。例如，煤矿井下的视频监控系统不具有自动分析功能，导致在出现危险情况时不能及时做出决策，不能给出最佳的处理办法：煤矿井下安全监控系统只是记录了大量的数据，并不能给出安全管理决策建议；使用的网络通信协议不具有国际通用性，致使系统升级和扩展难度很大；在矿井外面不能及时发现井下设备发生故障并进行排修；多数系统不能完成多主体的联动和闭锁功能。
煤矿井下的视频监控系统应将危险预测和灾后处理作为研究的首要任务。为了能够发挥煤矿视频监控系统的预警和灾后抢救功能，需要深入分析监控系统的通信能力、数据的交互程度、系统的升级可扩展性能、设备的远程维护等问题。只有这些问题得到解决，系统才能很好地实现安全防护功能。目前，煤矿井下的视频监控系统基本上是完全孤立的系统。这种缺少联动性的系统给安全防护的管理工作带来许多问题，在发生灾害危险事故时缺少抢救工作急需的关键信息。因此，需要构建一个信息共享的煤矿井下视频监控系统，将其与现在使用的煤矿安全监测系统相结合。可将异构数据都集成到该系统中，仅使用网络服务器、传感器和摄像头等器材就能够实现子系统的独立监控，并在监控中心将采集到的各类信息统一进行处理分析。
此外，提高视频监控系统的智能性不仅能够降低监控人员繁杂的工作量，极大地提高报警的准确性，同时也能够避免错报和漏报等情况的发生。依托智能视频监控系统，借助计算机强大的数字图像处理及分析功能，监控人员可以迅速甄别和锁定每一帧视频中是否出现需引起注意的目标特征，如人员、绞车等。与传统监控系统相比，智能视频监控系统在效率和准确性上都高得多。目前，国内外关于煤矿井下智能视频监控系统的文献相对较少且不成熟。因此，研究煤矿井下的智能视频监控系统具有一定的理论意义和应用价值。视频图像分析、处理和目标跟踪技术正是实现智能视频监控系统的理论基础。
1.2煤矿井下视频监控的特点
煤矿井下视频监控的需求与交通、室内、候车室、楼道等公共场所不同。煤矿井下阴暗、无光源，需采用不间断的人工照明方式照明，同时还受潮湿和悬浮煤尘等的影响。煤矿井下的视频图像一般具有以下特点。(1)视频图像中的亮度分布不均匀。这是由人工照明条件引起的，占光源明使得在当前监控场景中，离光源近的区域亮度高，还有可能存在镜面反射使图像呈现全白：同时离光源远的区域，亮度逐渐降低，使目标物体的轮廓变得模糊不清……

精彩内容
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 —

煤矿井下视频图像处理技术/模式识别技术丛书

灵感书店

商品详情

相关推荐