基于计算机视觉的危险车间人员检测及定位技术应用研究

目录

声明

1 绪论

1.1 研究背景与课题来源

1.1.1 研究背景

1.1.2 课题来源

1.2 研究现状与研究意义

1.2.1 人员管控现状

1.2.2 人员检测技术现状

1.2.3 多源数据融合现状

1.2.4 人员定位技术现状

1.2.5 课题研究意义

1.3 论文内容与组织结构

1.3.1 论文主要研究内容

1.3.2 论文组织结构

2 系统总体分析与设计

2.1 危险车间人员管控现状

2.2 系统需求分析

2.2.1 系统功能需求

2.2.2 系统性能需求

2.3 系统总体架构设计

2.3.1 物理车间层

2.3.2 孪生数据层

2.3.3 虚拟车间层

2.3.4 数据服务与应用层

2.4 系统实现关键技术

2.4.1 实时人员检测技术

2.4.2 多源数据融合技术

2.4.3 多区域人员定位技术

2.5 本章小结

3基于3-Stage CCNN的实时人员检测

3.1 视觉传感器部署

1）安装原则

2）布局方案

3）摄像头选型

4）视频实时处理图形计算平台选型

3.2 实时同步视频图像数据采集

3.2.1 单目摄像头标定

3.2.2 同步视频流图像采集

3.3基于3-Stage CCNN的人员检测

3.3.1 3-Stage CCNN人员检测方案

3.3.23-Stage CCNN模型设计

3.3.33-Stage CCNN模型训练

3.3.43-Stage CCNN模型检测

3.4 本章小结

4 多源数据融合与多区域人员定位

4.1 多源数据融合

4.1.1 区域边界划分

4.1.2 模块化区域算法

4.2 多区域人员定位

4.2.1 数据采集与预处理

4.2.2 多输出回归算法

4.3 本章小结

5 模块测试与应用

5.1 人员检测模块测试

5.1.13-Stage CCNN网络正样本阈值选择

5.1.23-Stage CCNN测试集评估

5.1.33-Stage CCNN运行时间测试

5.1.43-Stage CCNN人员检测效果展示

5.2 数据融合与人员定位模块测试

5.2.1 多源数据融合模块测试

5.2.2 多区域人员定位模块测试

5.3 基于Java Web的人数统计与人员定位系统的功能设计

5.4 本章小结

6 总结与展望

6.1 工作总结

6.2 工作展望

致谢

参考文献

附录