多工位监控视频语义检索方法研究
发布时间：2021-03-31 02:03
随着《中国制造2025》的提出,我国的创新驱动发展战略得到了突出体现,并且把创新摆在了制造业发展全局的核心位置。制造业作为国民经济的支柱产业,正由传统模式逐渐向智能制造方向转变。智能制造的特点是数字化、网络化和智能化,是解决我国制造业由大到强的根本途径。因此,制造业转型将对智能制造产生极大地促进作用。手机生产线作为制造业众多产业之一,也正在不断地向着智能化方向转变。如现有的手机生产线改变了传统工厂中需要大量工人进行产品的生产以及后期的检测工作,取而代之的是各种装配有全自动手机生产线的智能化生产车间。本文结合实验室的手机生产装配流水线,其中流水线上的各个工位装配有监控摄像头并可以对手机的生产过程进行监控。如何有效地对海量的监控视频数据进行存储、处理、分析和检索,并辅助工人进行产品抽检成为亟待解决的问题。针对上述需求,本文将语义Web技术引入多工位监控视频语义检索应用中,并结合机器学习技术,实现了通过在检索系统中输入产品生产编号、监控视频对象特征描述和监控视频事件分类结果（某个工位）这三种关键词的检索。本文的主要研究工作如下:1.研究本体建模准则、评价标准以及建模方法,分析工人们对多工位手...
【文章来源】：重庆邮电大学重庆市
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
尺(a)高斯金字塔
重庆邮电大学硕士学位论文第2章相关技术综述12xLkxGy),(),,(),,(kyxIyGσσ×=（2.12）式中，——尺度是的高斯核函数——原图像——常数因子，表示相邻两尺度空间的差异性构造高斯残差金字塔，在同一组各层DoG之间尺度空间极值点，每个点与同层周围8个点和相邻层9个点，共26（8+9*2=26）个点进行比较，如图2.4所示。图2.4DoG空间极值点检测2.关键点定位：在每个候选的位置，都会使用一个精细的模型位置和比例。选择重点取决于其稳定性。3.方向确定：根据图像局部梯度的方向，将一个或多个方向分配给每个关键点。将所有后续操作与描述性数据进行比较，均相对于重要点的方向，范围和位置已更改，以使这些变换保持不变。4.关键点描述：在每个关键点附近的选定比例尺上测量局部图像梯度，并将这些梯度转换为表示形式。这表明允许更大的局部变形和亮度变化。使用与特征点相邻的中心点作为1616×选择器窗口，并使图案点和特征点的相对方向匹配。定向直方图中的高斯权重由8个bin的定向直方图中加权；最终实现××844的128维特征描述。2.2词袋模型2.2.1词袋模型原理kyxG),,(σσyxI),(k
将上一步中的词频分析结果输入到分类算法中即可以得出文本的分类。 2.2.2 视觉词袋模型构建 类比于词袋模型，在图像处理领域中若一幅图像可以用若干个“视觉单词”来描述，进而可利用分类算法进行图像分类。因此，考虑在图像表示领域中使用词袋模型，即表示图像的内容，可以将图像视为文档，并且该文档由多个“视觉词汇”的集合以及视觉词汇之间的关系也如同文本词汇的属性一样，相互之间忽略词序，如图 2.6 所示。
【参考文献】：
期刊论文
[1]基于多模态信息的视频描述算法[J]. 孙亮. 信息技术与网络安全. 2019(07)
[2]非物质文化遗产视频语义标注方法研究[J]. 侯西龙,谈国新,庄文杰,唐铭. 情报科学. 2018(11)
[3]电力企业非结构化数据管理建议[J]. 赵永良,李平舟. 中国电力企业管理. 2017(36)
[4]基于k-means++聚类的视频摘要生成算法[J]. 张亚洲,余正生. 工业控制计算机. 2017(07)
[5]深度学习及其在图像物体分类与检测中的应用综述[J]. 刘栋,李素,曹志冬. 计算机科学. 2016(12)
[6]一种基于语义分析的大数据视频标注方法[J]. 崔桐,徐欣. 南京航空航天大学学报. 2016(05)
[7]基于小波变换的局部形状匹配[J]. 张桂梅,孙晓旭,章毅. 计算机工程与应用. 2017(02)
[8]基于语音识别的蔬菜病害视频语义标注与分割方法[J]. 李鑫星,刘春迪,温皓杰,苏叶,傅泽田,张领先. 农业机械学报. 2015(09)
[9]基于稳定区域梯度方向直方图的行人检测方法[J]. 陈锐,彭启民. 计算机辅助设计与图形学学报. 2012(03)
[10]基于Ontology的监控视频描述方案[J]. 马玲,张重阳,郑世宝. 电视技术. 2011(03)
博士论文
[1]面向用户的Web图像检索关键技术研究[D]. 邱兆文.哈尔滨工业大学 2009
硕士论文
[1]基于Lucene的会议信息管理系统的平台建设[D]. 李明怡.华北电力大学 2015
[2]基于分层模板的铸造枝状缩松仿真[D]. 马明辉.华南理工大学 2012
本文编号：3110562
【文章来源】：重庆邮电大学重庆市
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
尺(a)高斯金字塔
重庆邮电大学硕士学位论文第2章相关技术综述12xLkxGy),(),,(),,(kyxIyGσσ×=（2.12）式中，——尺度是的高斯核函数——原图像——常数因子，表示相邻两尺度空间的差异性构造高斯残差金字塔，在同一组各层DoG之间尺度空间极值点，每个点与同层周围8个点和相邻层9个点，共26（8+9*2=26）个点进行比较，如图2.4所示。图2.4DoG空间极值点检测2.关键点定位：在每个候选的位置，都会使用一个精细的模型位置和比例。选择重点取决于其稳定性。3.方向确定：根据图像局部梯度的方向，将一个或多个方向分配给每个关键点。将所有后续操作与描述性数据进行比较，均相对于重要点的方向，范围和位置已更改，以使这些变换保持不变。4.关键点描述：在每个关键点附近的选定比例尺上测量局部图像梯度，并将这些梯度转换为表示形式。这表明允许更大的局部变形和亮度变化。使用与特征点相邻的中心点作为1616×选择器窗口，并使图案点和特征点的相对方向匹配。定向直方图中的高斯权重由8个bin的定向直方图中加权；最终实现××844的128维特征描述。2.2词袋模型2.2.1词袋模型原理kyxG),,(σσyxI),(k
将上一步中的词频分析结果输入到分类算法中即可以得出文本的分类。 2.2.2 视觉词袋模型构建 类比于词袋模型，在图像处理领域中若一幅图像可以用若干个“视觉单词”来描述，进而可利用分类算法进行图像分类。因此，考虑在图像表示领域中使用词袋模型，即表示图像的内容，可以将图像视为文档，并且该文档由多个“视觉词汇”的集合以及视觉词汇之间的关系也如同文本词汇的属性一样，相互之间忽略词序，如图 2.6 所示。
【参考文献】：
期刊论文
[1]基于多模态信息的视频描述算法[J]. 孙亮. 信息技术与网络安全. 2019(07)
[2]非物质文化遗产视频语义标注方法研究[J]. 侯西龙,谈国新,庄文杰,唐铭. 情报科学. 2018(11)
[3]电力企业非结构化数据管理建议[J]. 赵永良,李平舟. 中国电力企业管理. 2017(36)
[4]基于k-means++聚类的视频摘要生成算法[J]. 张亚洲,余正生. 工业控制计算机. 2017(07)
[5]深度学习及其在图像物体分类与检测中的应用综述[J]. 刘栋,李素,曹志冬. 计算机科学. 2016(12)
[6]一种基于语义分析的大数据视频标注方法[J]. 崔桐,徐欣. 南京航空航天大学学报. 2016(05)
[7]基于小波变换的局部形状匹配[J]. 张桂梅,孙晓旭,章毅. 计算机工程与应用. 2017(02)
[8]基于语音识别的蔬菜病害视频语义标注与分割方法[J]. 李鑫星,刘春迪,温皓杰,苏叶,傅泽田,张领先. 农业机械学报. 2015(09)
[9]基于稳定区域梯度方向直方图的行人检测方法[J]. 陈锐,彭启民. 计算机辅助设计与图形学学报. 2012(03)
[10]基于Ontology的监控视频描述方案[J]. 马玲,张重阳,郑世宝. 电视技术. 2011(03)
博士论文
[1]面向用户的Web图像检索关键技术研究[D]. 邱兆文.哈尔滨工业大学 2009
硕士论文
[1]基于Lucene的会议信息管理系统的平台建设[D]. 李明怡.华北电力大学 2015
[2]基于分层模板的铸造枝状缩松仿真[D]. 马明辉.华南理工大学 2012
本文编号：3110562
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3110562.html
最近更新
教材专著
