目前,針對視頻異�；顒訖z測問題的研究已成為社會和政府日益關(guān)注的熱點問題。在礦井領(lǐng)域,由于煤礦井下環(huán)境惡劣、噪聲種類多、已有視頻數(shù)據(jù)質(zhì)量較差,已經(jīng)嚴(yán)重影響到煤礦井下異�；顒拥淖R別和正常視頻語義的描述,不利于智能化監(jiān)測煤礦井下的安全生產(chǎn),礦井安全隱患問題依然嚴(yán)峻。因此,有必要針對煤礦井下復(fù)雜場景的視頻異�；顒訖z測問題進行深入研究,為煤礦井下智能化監(jiān)測及預(yù)警提供理論支撐和技術(shù)支持。在對煤礦井下視頻異�；顒訖z測時,首先需要通過關(guān)鍵幀提取算法,利用少量關(guān)鍵幀表征煤礦井下視頻數(shù)據(jù)的語義要素,為此本文提出一種基于自適應(yīng)Top-K的二次過濾關(guān)鍵幀提取方法,旨在采用一種自適應(yīng)的閾值作為Top-K的K值進行關(guān)鍵幀提取。首先,針對煤礦井下視頻幀,利用背景差分法提取視頻幀中的運動目標(biāo);其次通過SIFT局部特征描述子提取運動目標(biāo)特征,并擬合視頻特征曲線;之后,通過一種自適應(yīng)閾值的計算方法計算自適應(yīng)閾值K的值;最后,依據(jù)K值對特征值進行Top-K算法的二次過濾,得到視頻圖像的關(guān)鍵幀。通過實驗驗證,本文所提方法可以有效、準(zhǔn)確的提取煤礦井下視頻的關(guān)鍵幀,為進一步視頻異�；顒拥臋z測提供必要的數(shù)據(jù)支持。在上述基于自適應(yīng)T...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1VGG16網(wǎng)絡(luò)模型框架圖

光流法用于目標(biāo)特征提取或檢測的基本步驟為：(1)首先對一個視頻的所有連續(xù)的視頻幀進行前期處理；(2)其次針對每一個視頻序列，利用運動目標(biāo)檢測方法檢測出現(xiàn)的前景運動目標(biāo)；(3)如果出現(xiàn)了前景的運動目標(biāo)，通過特征點提取方法找到其具有代表性特征點，在光流法中一般是利用角點來提取特征點；....

圖2.2LSTM網(wǎng)絡(luò)模型

圖2.2LSTM網(wǎng)絡(luò)模型M通過門（gate）的形式來決定哪些信息需要丟棄和增加，實現(xiàn)無用信息的記憶�！伴T”是一種結(jié)構(gòu)可以控制信息選擇性通過，這個結(jié)構(gòu)moid函數(shù)。sigmoid函數(shù)的輸出值在[0,1]區(qū)間，0的極端值代表完全丟表完全通過，當(dāng)?shù)玫?到1之間的一....

圖2.3SVM分類模型

圖2.3SVM分類模型征后，通過Softmax進行分類。我決二分類問題，當(dāng)然有二分類問題要10個分類，同樣也可以用邏輯回這里討論另外一種方式來解決多分2.12)。1exp()()exp()TiKTkkxPix有多個輸出值，每個值代表屬于這出都是在....

圖3.2運動矢量提取過程

3基于關(guān)鍵幀的視頻數(shù)據(jù)優(yōu)化于運動能量提取關(guān)鍵幀的數(shù)據(jù)壓縮方法于煤礦井下復(fù)雜背景的影響，光流法在煤礦井下的效果并不理想。在室外能夠?qū)崿F(xiàn)比較好的特征點跟蹤。運動矢量可以通過運動估計算法，如塊匹。光流包括相對運動形成的速度場物體和視覺傳感器或光線變化。Vk視矢量i，j，如圖3.....

本文編號：3916467