礦工監控系統和煤炭質量監控系統的研究對煤礦的安全高效生產具有重大的意義。陳偉所著的《煤礦工種崗位操作規範通用知識(棗礦集團工種崗位操作規範系列教材)》分析了煤礦圖像監控系統的特點；根據巷道環境監控圖像的低照度、低解析度特點，分析了礦工臉部檢測算法；根據列車監控圖像的形狀特徵，提出了基於形態學、邊緣檢測和Radon變換的空列車識別方法；根據碎煤和塊煤監控圖像的灰度特徵，提出了基於紋理統計量和人工神經網路的碎煤和塊煤識別算法。 《煤礦工種崗位操作規範通用知識(棗礦集團工種崗位操作規範系列教材)》可供通信工程技術人員、安全工程技術人員、相關科技工作者及大中專院校高年級本科生或研究生參考。
基本介紹
- 書名：煤礦工種崗位操作規範通用知識
- 出版社：中國礦業大學出版社
- 頁數：272頁
- 開本：32
- 作者：楊尊獻
- 出版日期：2011年11月1日
- 語種：簡體中文
- ISBN：9787564612573
內容簡介,圖書目錄,
內容簡介
陳偉所著的《煤礦工種崗位操作規範通用知識(棗礦集團工種崗位操作規範系列教材)》試圖對煤礦監控圖像進行分析，重點針對巷道和礦井中低照度、多角度礦工臉部監控圖像檢測，礦機車監控圖像識別及煤炭監控圖像識別的方法進行研究。希望能為讀者提供一些有趣的實驗和結果。整體內容涉及礦井監控系統研究中的三大內容——人員定位系統、設備監控系統和產量監控系統。研究內容全面，為三大礦井監控系統的集成提供了理論依據。
圖書目錄
1緒論
1.1 研究意義
1.1.1 保障礦工人身安全
1.1.2 提高設備運行效率和煤礦生產效率
1.2 研究現狀及存在的問題
1.2.1 礦井監控圖像處理
1.2.2 礦工監控圖像分析
1.2.3 機車監控圖像分析
1.2.4 煤炭監控圖像分析
1.3 本書內容安排
2煤礦數字圖像監控系統
2.1 傳統的煤礦圖像監控系統
2.2 基於工控機的煤礦圖像監控系統分析
2.2.1 系統模型
2.2.2 監控功能模組
2.2.3 與傳統的礦工和煤炭監控系統的異同點
2.3 涉及的圖像理論
2.3.1 圖像處理
2.3.2 圖像分析
2.3.3 圖像理解與識別
2.3.4 與圖像識別相關的理論
2.4 本章小結
3礦工監控圖像中臉部檢測方法分析
3.1 人體檢測與識別的生物特徵分析
3.2 臉部檢測方法
3.2.1 基於膚色和幾何特徵的臉部檢測方法
3.2.2 基於統計理論的臉部檢測方法
3.3 巷道環境中臉部圖像的採集
3.3.1 主要影響因素
3.3.2 圖像採集方案
3.4 基於模板的臉部檢測分析
3.4.1 臉部檢測流程
3.4.2 圖像處理
3.4.3 模板構造
3.4.4 模板匹配與臉部位置確定
3.5 匹配檢測實驗
3.6 本章小結
4機車圖像識別方法研究
4.1 空機車圖像的識別基礎
4.2 基於Radon變換的識別原理
4.3 圖像處理
4.3.1 灰度圖像的數學形態學算法
4.3.2 灰度圖像的邊緣檢測方法
4.4 圖像處理比較
4.5 Radon變換識別結果
4.6 與Hough變換識別方法的對比
4.7 本章小結
5煤炭圖像識別方法研究
5.1 煤監控圖像採集
5.2 識別特徵的提取
5.3 人工神經網路
5.3.1 人工神經元
5.3.2 人工神經網路
5.4 基於BP網路的識別方法
5.4.1 BP網路的分析
5.4.2 解決方案
5.4.3 BP網路的訓練和仿真
5.4.4 小結
5.5 基於徑向基函式網路的識別方法
5.5.1 徑向基神經元
5.5.2 徑向基神經網路的分析
5.5.3 解決方案
5.5.4 實驗與仿真
5.5.5 小結
5.6 基於機率網路的識別方法
5.6.1 機率神經網路
5.6.2 網路設計與識別仿真
5.6.3 小結
5.7 本章小結
6結論和展望
6.1 主要工作和結論
6.1.1 礦工監控圖像中臉部的檢測
6.1.2 礦井監控圖像中機車的識別
6.1.3 礦井煤炭監控圖像中碎煤和塊煤的識別
6.2 展望
參考文獻
1.1 研究意義
1.1.1 保障礦工人身安全
1.1.2 提高設備運行效率和煤礦生產效率
1.2 研究現狀及存在的問題
1.2.1 礦井監控圖像處理
1.2.2 礦工監控圖像分析
1.2.3 機車監控圖像分析
1.2.4 煤炭監控圖像分析
1.3 本書內容安排
2煤礦數字圖像監控系統
2.1 傳統的煤礦圖像監控系統
2.2 基於工控機的煤礦圖像監控系統分析
2.2.1 系統模型
2.2.2 監控功能模組
2.2.3 與傳統的礦工和煤炭監控系統的異同點
2.3 涉及的圖像理論
2.3.1 圖像處理
2.3.2 圖像分析
2.3.3 圖像理解與識別
2.3.4 與圖像識別相關的理論
2.4 本章小結
3礦工監控圖像中臉部檢測方法分析
3.1 人體檢測與識別的生物特徵分析
3.2 臉部檢測方法
3.2.1 基於膚色和幾何特徵的臉部檢測方法
3.2.2 基於統計理論的臉部檢測方法
3.3 巷道環境中臉部圖像的採集
3.3.1 主要影響因素
3.3.2 圖像採集方案
3.4 基於模板的臉部檢測分析
3.4.1 臉部檢測流程
3.4.2 圖像處理
3.4.3 模板構造
3.4.4 模板匹配與臉部位置確定
3.5 匹配檢測實驗
3.6 本章小結
4機車圖像識別方法研究
4.1 空機車圖像的識別基礎
4.2 基於Radon變換的識別原理
4.3 圖像處理
4.3.1 灰度圖像的數學形態學算法
4.3.2 灰度圖像的邊緣檢測方法
4.4 圖像處理比較
4.5 Radon變換識別結果
4.6 與Hough變換識別方法的對比
4.7 本章小結
5煤炭圖像識別方法研究
5.1 煤監控圖像採集
5.2 識別特徵的提取
5.3 人工神經網路
5.3.1 人工神經元
5.3.2 人工神經網路
5.4 基於BP網路的識別方法
5.4.1 BP網路的分析
5.4.2 解決方案
5.4.3 BP網路的訓練和仿真
5.4.4 小結
5.5 基於徑向基函式網路的識別方法
5.5.1 徑向基神經元
5.5.2 徑向基神經網路的分析
5.5.3 解決方案
5.5.4 實驗與仿真
5.5.5 小結
5.6 基於機率網路的識別方法
5.6.1 機率神經網路
5.6.2 網路設計與識別仿真
5.6.3 小結
5.7 本章小結
6結論和展望
6.1 主要工作和結論
6.1.1 礦工監控圖像中臉部的檢測
6.1.2 礦井監控圖像中機車的識別
6.1.3 礦井煤炭監控圖像中碎煤和塊煤的識別
6.2 展望
參考文獻
