基于支持向量机的人员识别及其在井下斜巷轨道交通智能监控系统中的应用-计算机应用技术专业论文.docxVIP

基于支持向量机的人员识别及其在井下斜巷轨道交通智能 监控系统中的应用 摘 要 井下斜巷运输存在一定的安全隐患，本文结合现代数字视频监控技术以及人工智 能模式识别技术，针对该系统进行了深入的研究。根据相关研究成果开发了井下斜巷 运输的智能监控系统，该系统可以有效的消除井下交通安全隐患。 论文的主要工作以及与贡献如下： （1）视频前端处理算法。视频前端处理对于图像的模式识别是非常关键的，在 视频稳像方面，本文提出了基于 Harris 角点的视频稳像算法。在视频目标分割方面， 研究了多种算法，并通过仿真实验验证了针对斜巷运输视频，连续帧双差分法分割效 果最好。 （2）图像特征提取算法。对于图像模式识别，必须提取图像的有效识别特征， 本文从图像的颜色、纹理、统计、几何、空间关系的角度，研究了提取目标有效识别 特征的算法，这些算法收敛速度以及提取的特征满足模式识别以及系统实时运行的需 要。 （3）图像模式识别算法。有效识别视频中的目标是我们系统的核心，本文探索 了基于 harr 特征的识别算法，基于主元分析的 PCA 识别算法，模板匹配算法，以及 基于支持向量机的模式识别算法。做了仿真实验，结果证明基于支持向量机的识别算 法识别准确高。 （4）系统开发。因为系统实时性的要求，以及大量的模式识别运算，在软件开 发中进行了有效的系统优化，并最终达到了生产装备的要求。 关键词：Harris 角点,帧双差分法,灰度共生矩阵,主元分析, 支持向量机 Abstract There are security risks inherent in the inclined tunnel transport underground. The thesis introduces the modern digital video surveillance and artificial intelligence pattern recognition techniques to carry out in-depth analysis of the system. Based on relevant research findings, an intelligent system is developed to monitor the inclined tunnel transport underground and eliminate traffic safety hazards. The thesis’s work and contributions are: (1). Front-end video processing algorithms. Front-end video processing is essential to image pattern recognition. The thesis proposes the Harris-Corner-based video image stabilization algorithm. Research is conducted on many video object segmentation algorithms. Simulation experiments suggest that the continuous- frame double-difference method is optimal for the video segmentation of inclined tunnel transport underground. (2). Image feature extraction algorithm. The image pattern recognition involves extracting the image’s distinguishing features. The thesis, from the standpoints of image colors, textures, statistics, geometry and spatial relationships, researches the image feature extraction algorithms. The convergence rates of these algorithms and the features extracted meet the system’s pattern recognition and real-time operation requirements. (3). Image pattern recognition algorithms.