导读:本文包含了隐式形状模型论文开题报告文献综述及选题提纲参考文献，主要关键词:机车走行部,异常检测,目标识别定位,聚类
隐式形状模型论文文献综述
谢利明[1]（2016）在《基于隐式形状模型的机车走行部关键部件检测算法研究》一文中研究指出步入21世纪以来,伴随着中国经济的快速发展,铁路作为一种重要的运输工具也获得了高速的发展。随着铁路运输的快速发展,其安全问题也备受关注。走行部作为铁路运输中的关键部分,其正常运行与行车安全息息相关,所以,在日常检修中,走行部部件的异常检测是最重要的部分。在早期,对走行部的检修主要以人工为主,这不仅工作量繁重,而且占用列车运行时间。后来,随着机器视觉领域的发展,产生了以机器视觉系统来拍摄走行部图像,然后人工观看图像的方式来对走行部异常进行判断。这避免了钻车带来的工作量,提高了工作效率。以人工观看的方式来进行异常检测是不可靠的,因为人工观看图像容易产生视觉疲劳。所以,需要一种能够自动对走行部进行异常判定的方式来解决问题。利用机器视觉系统来对走行部图像进行处理,以判断其是否产生了异常是整个系统的关键。其中,对于关键部件的识别定位则是该项工作的第一步。为此,本文深入分析了复杂场景中目标识别定位问题的难点,提出了一种基于“预测理论”的自顶向下的目标识别定位方法。主要目的在于解决结构性较稳定场景下机车走形部的多种类型目标快速识别定位问题。本文主要工作如下:1.针对局部图像的特征表达,目前较好的方法是对图像的稀疏表征。传统的稀疏表征方法中,由于没有对每一类原子的有效性进行控制,所以往往容易出现“死神经元”现象,且容易使得整个聚类结果极其容易陷入到局部最小。针对这种情况,本文提出基于竞争机制的聚类分析方法,通过在训练时限制每一类下样本的数量来保证每一类的有效性。2.对图像进行表征的第二步是利用训练到的原子来对图像进行表示。在传统做法中往往采用计算局部特征与原子距离的方式进行,这种方法简单、直观。但是,由于视觉基本图像块之间存在较高的相似度使得最后的分类结果不够稳定。所以,本文引入了“类间相似分量抑制”方法,通过抑制类间相似分量的方法实现突出差异分量,达到提高分类稳定性及可靠性的目的。3.由于机车走行部图像容易受到光照、水渍及泥污影响,在边缘提取时容易产生大量杂乱非有效边缘。为此,基于视觉成像理论,提出一种改进的边缘提取算法,主要通过训练得到传统有效边缘特性,然后利用边缘特性来对检测到的边缘进行有效性评估,近而是去掉有效性较低的边缘,提高边缘检测可靠性。实验表明:提出的改进边缘提取算法能够有效的去除噪声干扰对边缘检测的影响。4.在机车走行部异常检测系统中,对关键目标的识别定位是整个系统的关键。本文基于隐式形状模型,结合预测理论,提出一种自顶向下的机车走行部关键目标识别定位方法。能够针对结构性稳定的目标实现快速精确的目标识别定位。5.最后,本文搭建了机车走行部异常检测系统。基于本文提出的目标识别定位检测算法,可以实现机车走行部关键部件异常检测。实验表明,本文提出的异常检测方法较传统方法在报警准确率上有明显的提升,具有广阔的应用前景。(本文来源于《西南交通大学》期刊2016-10-19）
张路平,李飚,王鲁平,韩建涛[2]（2013）在《基于两级隐式形状模型的抗遮挡目标跟踪》一文中研究指出为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。(本文来源于《国防科技大学学报》期刊2013年06期）
姚会[3]（2009）在《基于隐式形状模型的行人检测技术研究》一文中研究指出对人类感觉信息的理解和描述是当前人工智能研究中的热点和难点,人类从外界获得的信息中,80%是通过视觉得到的。尽管在计算机视觉领域,目标检测已经研究了几十年,但仍是一个活跃的研究领域。目前还没有一个通用的、健壮的、精确的、高性能的和实时的目标检测算法。行人检测是目标检测的重要分支,是近年来计算机视觉领域备受关注的前沿方向和研究热点。它在智能监控系统、驾驶辅助系统、高级人机接口等众多领域拥有广泛的应用前景。论文的主要工作:1、运动目标检测部分。针对传统高斯模型学习速度慢问题,提出了一种基于改进的背景模型更新模式的目标检测方法。对彩色图像建立混合高斯模型,并采用新方法更新背景模型,即不同的阶段使用不同的更新方程,然后由背景差分得到基本准确的前景图像。2、阴影消除部分。在检测运动目标时,运动目标投射的运动阴影也会被检测为运动前景的一部分,造成运动目标的合并、几何变形,甚至使目标丢失。利用基于颜色差、亮度差和梯度差的阴影检测算法能够消除前景图像的运动阴影,最后利用形态学滤波进行后处理。实验结果表明,该方法不管在室内还是室外都能很好地消除阴影,准确提取运动目标。3、隐式形状模型的建立。本文利用DOG感兴趣点检测算子,GrayvaluePatches特征描绘子以及RNN聚类算法生成码本模型(即隐式形状模型)。4、基于隐式形状模型的行人检测。在检测阶段,先是检测兴趣点,提取兴趣点周围的图像块;再从隐式形状模型找到与之相匹配的码本,通过在训练阶段记录的该项相对人体中心的信息,来对中心位置进行投票。那些投票得分超过一定阈值的中心点被认作可能的检测结果。在通过自顶向下分割(码本中包含分割掩模),检测出行人。此方法可以检测静态图片中的行人,也能处理部分遮挡问题。(本文来源于《厦门大学》期刊2009-06-30）
隐式形状模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
隐式形状模型论文参考文献
[1].谢利明.基于隐式形状模型的机车走行部关键部件检测算法研究[D].西南交通大学.2016
[2].张路平,李飚,王鲁平,韩建涛.基于两级隐式形状模型的抗遮挡目标跟踪[J].国防科技大学学报.2013
[3].姚会.基于隐式形状模型的行人检测技术研究[D].厦门大学.2009