視頻監(jiān)控智能分析技術是煤礦安全監(jiān)控技術發(fā)展的重要方向。通過智能視頻分析技術自動分析視頻監(jiān)控數據的異�，F象，有助于及時發(fā)現監(jiān)控場景中的突發(fā)事故并及時報警，對于生產過程的實時管理具有重要作用。亦可避免由人工監(jiān)控帶來的漏報和誤報等問題，并能顯著降低監(jiān)控人員的工作量。
《煤礦井下視頻圖像處理技術》以煤礦井下生產人員的行為監(jiān)控為研究對象，針對煤礦井下視頻監(jiān)控的特點，重點描述如何使視頻圖像更清晰和如何準確高效地檢測出煤礦場景中的人員和環(huán)境目標；研究了煤礦井下復雜環(huán)境中的圖像增強、圖像分割、圖像檢測、人臉跟蹤特征提取和識別等方面的多種算法。
《煤礦井下視頻圖像處理技術》可供煤礦領域相關人員及從事視頻監(jiān)控研究工作的專業(yè)技術人員閱讀，也可作為計算機及相關專業(yè)高年級本科生和研究生的參考書。
更多科學出版社服務，請掃碼獲取。
我國煤炭開采工作環(huán)境多為井工煤礦，地質環(huán)境復雜，事故發(fā)生率較高。在井下應用遠程視頻監(jiān)控及數字圖像壓縮技術可以記錄煤礦井下工作的詳細情況，也可以使地面監(jiān)控室的工作人員觀測到監(jiān)控區(qū)域的生產狀況。應用遠程視頻監(jiān)控智能分析技術不僅可以盡早發(fā)現煤礦開采工作環(huán)境存在的安全隱患，預防礦難的發(fā)生，還可以在事故發(fā)生后為事故后期分析提供圖像資料。井下視頻監(jiān)控智能分析技術在目前煤礦井下安全監(jiān)控系統(tǒng)的研究中占據重要位置。
本書共分11章。第1章分析了煤礦井下視頻監(jiān)控及人臉識別的研究目的，介紹了視頻監(jiān)控及人臉識別技術的國內外研究現狀；第2章介紹了視頻監(jiān)控相關技術與理論；第3章詳細描述了煤礦井下塵霧圖像增強算法；第4章論述了煤礦井下人員檢測技術；第5章采用HSV模型和YCbCr模型研究了火焰識別規(guī)則，并結合VIBE算法給出了一種實時火災圖像分割算法；第6章設計實現了基于SVM的火焰檢測算法；第7章介紹了人臉檢測、人臉跟蹤和人臉識別相關技術及其理論；第8章介紹了基于ASM的人臉檢測與跟蹤方法，并給出了適用于礦井環(huán)境的礦井人員人臉檢測算法和人臉跟蹤算法；第9章給出了一種基于Shearlet變換的煤礦井下圖像差異性特征提取方法；第10章介紹了稀疏描述方法并給出了一種差異性Shearlet特征的快速稀疏描述人臉識別方法；第11章對本書的研究工作進行總結，并對下一步的工作做出安排。
本書得到十二五山西省科技重大專項項目基于人-機-環(huán)聯動煤礦井下生產全過程監(jiān)測預警及重大事故救援指揮集成系統(tǒng)研究和山西省一中國科學院科技合作重大項目基于地理特征數據的煤礦安全生產關鍵技術研究的支持。在此向山西省科技廳的大力支持表示感謝。
本書從提綱規(guī)劃、文字撰寫到書稿完成都離不開老師和同學們的支持與幫助。感謝太原科技大學郭勇義教授在團隊成長和項目實施過程中的無私幫助和支持；感謝張英俊、謝斌紅、翁自覺、謝建林、李川田等各位老師的關心和支持；感謝團隊研究生杜明本、雷耀花、黃玉、張秀琴、萬航、解丹、鄭佳敏等同學的辛勤工作。
潘理虎，理學博士，教授，太原科技大學計算機科學與技術學院副院長，中國計算機學會高級會員，中國計算機學會軟件工程專委會委員，中國高等教育學會教育評估分會理事，中國高校人工智能與大數據聯盟理事。主要從事煤礦安全、軟件工程、復雜系統(tǒng)仿真、人工智能等領域的教學與科研工作。先后承擔和參與國家自然科學基金項目、十二五山西省科技重大專項項目。山西省一中科院科技合作重大項目等科研課題與橫向項目15項。在國內外重要學術期刊及國際學術會議上發(fā)表學術論文50余篇，其中SCI、EI收錄20篇；獲得專利授權4項，軟件著作權10項；出版專著2部、教材4部。
第1章 緒論
1．1 煤礦井下視頻監(jiān)控系統(tǒng)概述
1．2 煤礦井下視頻監(jiān)控的特點
1．3 煤礦井下視頻監(jiān)控理論與應用研究
1．3．1 人員檢測技術方法研究
1．3．2 火災檢測算法應用研究
1．3．3 火焰圖像分割方法分類
1．3．4 塵霧圖像增強算法研究
1．3．5 煤礦井下人臉識別技術研究
第2章 視頻監(jiān)控相關技術與理論
2．1 灰度化與二值化
2．2 直方圖均衡化與形態(tài)學處理
2．3 圖像去噪技術
2．3．1 空間域圖像去噪
2．3．2 變換域圖像去噪
2．4 ViBe運動檢測算法
2．5 數字圖像壓縮技術
2．5．1 圖像格式、容器和壓縮標準
2．5．2 霍夫曼編碼
2．5．3 小波編碼
2．5．4 算術編碼
2．6 圖像下采樣
第3章 煤礦井下塵霧圖像增強算法研究
3．1 模糊理論圖像增強
3．1．1 模糊集合
3．1．2 模糊理論圖像增強的處理步驟
3．2 塵霧圖像退化模型與增強算法
3．2．1 塵霧圖像退化模型
3．2．2 暗原色先驗理論
3．2．3 透射率圖獲取
3．2．4 自適應雙邊濾波器
3．2．5 透射率圖優(yōu)化與去噪
3．2．6 圖像復原
3．3 實驗結果與分析
第4章 煤礦井下人員檢測技術
4．1 運動區(qū)域前景提取
4．1．1 隔幀差分法
4．1．2 背景更新
4．1．3 前景提取
4．2 單礦工運動目標檢測
4．3 HOG SVM礦工檢測
4．3．1 HOG特征提取
4．3．2 主成分分析法降維
4．3．3 分類器的訓練
4．3．4 實驗結果與分析
第5章 火焰分割算法研究
5．1 ViBe算法的優(yōu)化
5．2 火焰顏色識別規(guī)則
5．2．1 基于HSV空間模型的火焰識別規(guī)則
5．2．2 基于YCbCr顏色空間模型的火焰識別規(guī)則
5．3 火焰分割算法
5．4 實驗結果與分析
第6章 基于SVM的火焰檢測算法設計與實現
6．1 SVM算法簡介
6．1．1 VC維理論與結構化小風險
6．1．2 分類器
6．1．3 核函數
6．2 火焰圖像特征提取
6．2．1 面積特征
6．2．2 邊緣特征
6．2．3 形狀特征
6．2．4 紋理特征
6．3 火焰檢測算法
6．4 實驗結果與分析
第7章 人臉識別相關技術及其理論
7．1 Haar矩形特征的檢測
7．1．1 Haar矩形特征
7．1．2 積分圖像
7．1．3 AdaBoost算法
7．1．4 級聯分類器
7．1．5 AdaBoost算法的人臉檢測機制
7．2 ASM主動形狀模型
7．2．1 構建形狀向量
7．2．2 建立形狀模型
7．2．3 構建局部灰度模型
7．2．4 ASM模型的匹配
7．3 主成分分析法
7．3．1 傳統(tǒng)PCA
7．3．2 二維PCA
7．4 快速魯棒特征
7．4．1 特征點檢測
7．4．2 生成特征描述子
第8章 基于ASM的人臉檢測與跟蹤
8．1 基于Haar的人臉檢測
8．1．1 Haar的人臉檢測
8．1．2 實驗結果與分析
8．2 基于ASM的人臉檢測
8．2．1 數據收集
8．2．2 形狀模型
8．2．3 人臉的檢測
8．2．4 實驗結果與分析
8．3 基于ASM的人臉跟蹤
8．3．1 局部塊模型
8．3．2 人臉跟蹤實現
8．3．3 實驗結果與分析
第9章 基于Shearlet變換的差異性特征提取
9．1 問題概述
9．2 人臉特征類型及評價指標
9．2．1 人臉特征類型
9．2．2 評價指標
9．3 Shearlet變換
9．3．1 連續(xù)Shearlet變換
9．3．2 離散Shearlet變換
9．4 融合多尺度Shearlet變換的人臉特征提取
9．5 實驗結果與分析
9．5．1 主觀評價
9．5．2 客觀評價
第10章 基于稀疏描述的人臉分類識別
10．1 稀疏描述與人臉識別
10．2 稀疏描述人臉識別算法
10．2．1 問題描述
10．2．2 問題優(yōu)化
10．3 快速稀疏描述人臉識別算法
10．3．1 問題描述
10．3．2 可行性分析
10．4 差異性Shearlet特征的快速稀疏描述人臉識別算法
10．4．1 多尺度多方向的Shearlet特征融合
10．4．2 分類識別
10．4．3 算法步驟
10．5 實驗結果與分析
10．5．1 ORL人臉庫中人臉識別實驗
10．5．2 YALE庫中人臉識別實驗
第11章 結束語
參考文獻
書單推薦
