在工業(yè)生產(chǎn)和建設(shè)中,安全一直是永恒不變的主題,而工作服和安全帽在安全事故的防范中起著舉足輕重的作用,因此,按規(guī)定地穿著工作服和佩戴安全帽是安全生產(chǎn)的必要措施。本文利用圖像識別的方法,設(shè)計了一套專門針對于工作人員的穿戴規(guī)范性檢測的算法,該算法目前已應(yīng)用于新疆克拉瑪依油田的監(jiān)控系統(tǒng)之中。首先,本文對目前經(jīng)典的基于HOG特征的行人檢測算法進行了實現(xiàn)。針對HOG特征對光照魯棒性較差的缺點,本文實現(xiàn)了基于HOG-LBP融合特征的行人檢測算法;針對HOG特征維度過高的缺點,本文采用PCA降維算法實現(xiàn)了基于PHOG-LBP的行人檢測算法。之后,本文對三種算法的特征提取時間、檢測時間、識別率等指標進行了對比,得到了一種檢測時間達到43ms、識別率達到95.8%的行人檢測算法,解決了經(jīng)典行人檢測算法中實時性和識別率低的問題。其次,本文首次提出了基于HSV模型的工作人員著裝規(guī)范性檢測算法。該算法以行人檢測算法得到的人體區(qū)域為ROI區(qū)域,先將原始的RGB模型圖像轉(zhuǎn)化為HSV模型圖像,再根據(jù)顏色閾值將HSV圖像轉(zhuǎn)化為二值圖像。然后對二值圖像進行一系列的形態(tài)學操作,通過二值圖像中黑白像素點的分布和排列來判斷人體... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

新疆克拉瑪依油田作業(yè)區(qū)

其產(chǎn)生的原因通常是拍攝環(huán)境光照差或者拍攝器材自身噪聲帶來的影響。該類噪聲的特點為，幾乎每個點都出現(xiàn)噪聲，且噪點的深度為隨機。下圖2-1是原始圖像與添加了高斯噪聲后的圖像對比。去除高斯噪聲的方法通常為均值濾波。(2) 椒鹽噪聲椒鹽噪聲[26](Salt-and-Pepper Noise) 又稱為脈沖噪聲，通常來自于圖像傳感器或傳輸信道，其表現(xiàn)形式為黑白相間的亮暗點噪聲。下圖2-2是原始圖像與添加了椒鹽噪聲后的圖像對比。去除椒鹽噪聲的方法通常為中值濾波。9

(Salt-and-Pepper Noise) 又稱為脈沖噪聲，通常來自于圖像傳感器或傳輸信道，其表現(xiàn)形式為黑白相間的亮暗點噪聲。下圖2-2是原始圖像與添加了椒鹽噪聲后的圖像對比。去除椒鹽噪聲的方法通常為中值濾波。9

【參考文獻】：
期刊論文
[1]基于顏色空間分布的多攝像機行人匹配方法[J]. 李娜,王洪元,王佳.  計算機工程. 2016(12)
[2]膚色檢測和Hu矩在安全帽識別中的應(yīng)用[J]. 劉曉慧,葉西寧.  華東理工大學學報(自然科學版). 2014(03)
[3]基于安全帽顏色識別的人員身份認證算法在變電站的應(yīng)用[J]. 李太華,王迪.  電腦知識與技術(shù). 2014(05)
[4]基于重要性采樣的隨機Hough變換圓檢測算法[J]. 付琰,盧榮勝,夏瑞雪,王成順,李琪.  電子測量技術(shù). 2012(05)
[5]行人檢測技術(shù)綜述[J]. 蘇松志,李紹滋,陳淑媛,蔡國榕,吳云東.  電子學報. 2012(04)
[6]基于RGB顏色空間的彩色圖像分割方法[J]. 楊璟,朱雷.  計算機與現(xiàn)代化. 2010(08)
[7]一種快速的隨機Hough變換圓檢測算法[J]. 張顯全,蘇勤,蔣聯(lián)源,李國祥.  計算機工程與應(yīng)用. 2008(22)
[8]梯度Hough變換在圓檢測中的應(yīng)用[J]. 瞿鈞,甘嵐.  華東交通大學學報. 2007(01)

碩士論文
[1]視頻識別在HSE監(jiān)控平臺中的研究與應(yīng)用[D]. 李瀟.華東理工大學 2014
[2]智能視頻分析算法在變電所中的研究與應(yīng)用[D]. 黃斯茜.西南交通大學 2012
[3]圖像識別技術(shù)在換流站監(jiān)控系統(tǒng)中的應(yīng)用研究[D]. 馮杰.華北電力大學（北京） 2010



本文編號：2902882