1. 研究目的与意义（文献综述）

近些年来，随着计算机领域技术的高速发展，人工智能技术也开始实际应用在人们生活的各方面。例如在对自然语言处理（生活中用来做自动翻译）、计算机视觉（人脸识别）、机器人学（各种功能的机器人）中都发挥了举足轻重的作用。

在2016年3月，随着google公司的阿尔法狗以4:1的悬殊比分战胜韩国棋手李世石九段，更是让人们看到了人工智能的先进性。阿尔法狗的核心其实是深度学习技术，深度学习这一象征着未来人工智能领域最重要、最核心的科技也成为了国内外学者研究人工智能的新潮。

深度学习技术在人工智能应用方面实现了大量的实际应用，其中深度学习的发展大大促进了计算机视觉领域的研究，并产生了大量的优秀应用。例如人脸识别技术、自动追踪技术等。

2. 研究的基本内容与方案

本次毕业设计拟在深入学习深度学习相关技术的基础上，掌握深度学习在计算机视觉领域的应用方法，实现一个可以根据监控视频数据，检测航道中通行船舶是否存在着排放烟雾行为的实例系统。

整个船舶烟雾检测任务分为两个部分，第一个部分是检测出视频中的船舶，第二个部分是识别目标船舶是否排放烟雾，总体来说是一个通过船舶找烟雾的设计思路。预期目标是概率较高一些能能检测到船舶存在着烟雾排放行为。进行烟雾识别时，拟采用在anaconda环境下安装google开发的开源tensorflow，tensorflow既是一个实现机器学习算法的接口，也是执行机器学习算法的框架，它支持多种语言，而本次开发在经过考虑后决定采用python语言进行开发。

方案大致定为首先先采集江上船舶排烟雾的视频素材，然后进行视频的挑选处理，导出需要的视频帧，进行目标区域的选取，进行数据集的收集，预计总共准备2000张左右的烟雾图片以及1000张左右的无烟图片。收集好数据集之后对数据集进行数据的预处理。在数据预处理之后要进行关键的部分就是网络模型的建立以及对使用数据集对网络模型进行训练，之后检测相应的结果之后再进行数据结果的分析。

3. 研究计划与安排

1. 第1-2周：对系统进行可行性和功能需求分析，确定开发环境和开发工具，设计该系统的整体框架，并撰写开题报告。

2. 第3-8周：对本系统进行详细分析和设计，对各功能模块详细设计，编写相应文档，完成核心算法的实现。

3. 第9-12周：进行系统界面设计。编写代码、调试、测试程序，提交毕业设计说明书初稿。

4. 参考文献（12篇以上）

1. 程期胜.基于深度学习的视频烟雾检测方法研究[d].汕头:汕头大学,2016年

2. olfa besbes,amel benazza-benyahia:a novel video-based smoke detection method based on color invariants. icassp 2016: 1911-1915

3. feiniu yuan, xue xia, jinting shi, hongdi li, gang li:non-linear dimensionality reduction and gaussian process based classification method for smoke detection. ieee access 5: 6833-6841 (2017)

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付