智能视觉物联网中视觉特性的提取及视觉标签的建立

摘要

智能视觉物联网(IVIOT)，即具有视觉感知功能的物联网。它通常由四个部分组成:视觉传感器、视觉信息传输、视觉信息处理和物联网应用。智能视觉物联网是物联网的升级，它将图像传感器传来的图像，利用图像处理技术或计算机视觉技术等，进行智能化识别、定位、跟踪，便于我们对人、车、物进行智能化管理。智能视觉物联网中最重要的一个核心技术就是视觉标签技术。它可以将视频或图像中的内容进行识别、理解和分类，并为其“贴标签”，并将被识别对象所对应的标签信息内容显示出来。
　　本文根据课题需要，设计并实现了一套基于人、车、物的视觉标签系统。系统主要包括人物识别模块，车辆识别模块，物体识别模块。在这个系统中，可以根据用户需求，选择一幅图片，系统会自动识别该图片中的内容，并显示与之相关的其它图片以及其信息标签。
　　在人物识别模块，本文基于人脸识别技术，采用主成分分析(PCA)算法和支持向量机(SVM)算法相结合的方法进行人脸识别。首先利用PCA算法进行特征提取和降维，再利用SVM算法进行分类和识别。
　　在车辆识别模块，本文采用基于颜色的车牌识别算法，对智能视觉物联网中获得的图像中的车辆，进行车牌定位、车牌校正、字符分割、字符识别等处理，最终识别出车牌号码。
　　在物体识别模块，本文采用基于卷积神经网络的物体识别方法，完成了同类物体的识别（本文以水杯为例）。
　　最后，本文将三个模块整合到一个系统中，使人、车、物一一对应，开发了一套具有视觉标签功能的人、车、物智能识别系统。实验结果表明，该系统具有很好的性能，能够满足用户的基础需求。

目录

声明

摘要

第一章 引言

1．1 研究背景和意义

1．2 国内外研究现状

1．3 本文的主要研究内容

1．4 本文的组织结构

第二章 基于PCA和SVM的人脸识别技术

2．1 引言

2．2 主成分分析PCA

2．2．1 传统PCA算法

2．2．2 快速PCA算法

2．3 SVM分类器

2．3．1 支持向量机(SVM)的基本原理

2．3．2 基于支持向量机(SVM)的多分法

2．4 基于PCA和SVM的人脸识别系统

2．5 本章小结

第三章 基于颜色的车牌识别技术

3．1 引言

3．2 常见的车牌定位算法

3．3 常见的车牌校正算法

3．3．1 基于主成分分析的倾斜校正算法

3．3．2 基于Hough变换的倾斜校正算法

3．3．3 基于旋转投影的倾斜校正算法

3．3．4 其他倾斜校正算法

3．4 常见的字符分割算法

3．5 常见字符识别算法

3．5．1 基于模板匹配的方法

3．5．2 基于人工神经网络的方法

3．5．3 基于字符特征的方法

3．5．4 基于贝叶斯网络的方法

3．6 基于颜色信息的车牌识别方法

3．6．1 颜色信息提取及车牌区域定位

3．6．2 字符的定位和分割

3．6．3 实验结果展示

3．7 本章小结

第四章 基于卷积神经网络的物体识别技术

4．1 引言

4．2 卷积神经网络(CNN)

4．2．1 概述

4．2．2 卷积神经网络结构

4．2．3 卷积神经网络训练

4．3 物体识别主要流程

4．3．1 数据预处理

4．3．2 特征提取

4．3．3 分类器

4．4 基于卷积神经网络的物体识别

4．4．1 卷积层

4．4．2 池化层

4．4．3 输出层

4．4．4 Softmax层

4．4．5 实验结果展示

4．5 本章小结

第五章 基于人、车、物的视觉标签系统

5．1 引言

5．2 视觉标签技术概述

5．3 基于人、车、物的视觉标签系统设计与实现

5．3．1 系统整体框架设计

5．3．2 系统界面设计

5．3．3 本文视觉标签的建立机制

5．4 实验结果展示

5．4．1 人物识别模块实验结果

5．4．2 车辆识别模块实验结果

5．4．3 物体识别模块实验结果

5．5 本章小结

第六章 总结与展望

参考文献

致谢

攻读硕士期间的学术成果