学位论文 > 优秀研究生学位论文题录展示

面向高速铁路的轨道异物检测研究

作 者: 王永亮
导 师: 罗四维;李清勇
学 校: 北京交通大学
专 业: 计算机科学与技术
关键词: 铁路异物检测 背景建模 混合高斯模型 贝叶斯模型 颜色差量 局部二值模板
分类号: U216.3
类 型: 硕士论文
年 份: 2011年
下 载: 69次
引 用: 0次
阅 读: 论文下载
 

内容摘要


铁路运输一直是我国现阶段主要的客运和货运方式。为了进一步增加铁路的运输能力,我国近年来一直大力发展高速铁路。铁路基础设施的防护不够有力导致铁路事故频繁发生,因此,如何有效地减少高速铁路事故已经成为了社会普遍关注的问题。基于视频监控技术的高速铁路安全防护措施因其多方面的优点开始得到人们的广泛关注和重视。本文的研究内容就是通过对高速铁路巡查列车拍摄的视频进行处理,实现对存在安全隐患的异物进行自动检测和分析。论文的主要工作有:1,提出了适合于高速铁路异物检测的特征,并与混合高斯模型以及贝叶斯模型相结合形成完整的解决方案。与常规的特征相比较,该特征无论是在排除阴影上还是去除噪音上都有着不错的表现。2,提出了改进的基于纹理的建模方式,通过对图像进行分区域建模,使得原来的检测方法对噪声不敏感,并且运行速度更快。3,设计和开发了基于OpenCV的高速铁路异物检测原型系统。该系统实现了多种检测解决方案,在检测准确率、召回率和实时性上都有着较好的表现。

全文目录


致谢  4-5
中文摘要  5-6
Abstract  6-9
第一章 绪论  9-12
  1.1. 研究背景与研究意义  9-10
  1.2. 课题难点与研究思路  10
  1.3. 论文研究内容与结构  10-12
第二章 视频数据物体检测方法综述  12-22
  2.1. 引言  12
  2.2. 基于图像处理的方法  12-16
  2.3. 基于统计模型的方法  16-20
  2.4. 小结  20-22
第三章 基于颜色差量的异物检测算法  22-39
  3.1. 引言  22
  3.2. 常用的颜色模型  22-26
  3.3. 颜色差量特征  26-27
  3.4. 特征对比实验  27-31
  3.5. 检测实验结果  31-38
  3.6. 实时性分析  38
  3.7. 小结  38-39
第四章 基于区域纹理特征的异物检测算法  39-47
  4.1. 引言  39
  4.2. 常用的纹理特征  39-42
  4.3. 基于纹理的异物检测  42-44
  4.4. 检测的实验结果  44-46
  4.5. 实时性分析  46
  4.6. 小结  46-47
第五章 高铁轨道异物入侵检测原型系统  47-52
  5.1. 引言  47
  5.2. 系统介绍  47-52
第六章 结论和展望  52-54
  6.1. 工作总结  52
  6.2. 问题和展望  52-54
参考文献  54-55
作者简历  55-57
学位论文数据集  57

相似论文

  1. 基于运动目标轨迹分析的智能交通监控系统,TP277
  2. 复杂场景中运动目标的检测与跟踪,TP391.41
  3. 运动目标检测与跟踪的研究,TP391.41
  4. 基于最近邻及相似度测量检测钓鱼网页技术的研究,TP393.08
  5. 视频监控系统中的运动目标检测算法研究,TP391.41
  6. 嵌入式目标检测与跟踪系统设计及算法实现,TP391.41
  7. 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
  8. 复杂信道下的说话人识别技术,TN912.34
  9. 分布式声源定位与跟踪算法研究,TN912.3
  10. 智能交通视频监控系统中关键技术研究,TP391.41
  11. 边界防御系统中移动目标跟踪技术研究与实现,TP391.41
  12. 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
  13. 基于移动网络的智能视频监控系统的设计,TP391.41
  14. 基于预测似然的贝叶斯模型平均及其在电力负荷预测中的应用,F426.61
  15. 智能视觉监控中运动目标检测与跟踪的研究,TP391.41
  16. 基于知网和贝叶斯模型的词义消岐技术的研究,TP391.1
  17. 基于计算机视觉的目标识别应用技术研发,TP391.41
  18. 视频图像智能分析系统关键技术研究与实现,TP391.41
  19. 基于PowerPC的高清视频监控系统的设计与实现,TP391.41
  20. 视频监控中运动目标检测与跟踪算法的研究,TP391.41

中图分类: > 交通运输 > 铁路运输 > 铁路线路工程 > 铁路养护与维修 > 线路检测及设备、检测自动化
© 2012 www.xueweilunwen.com