1、厦门大学软件学院毕业设计（论文）开题报告 学生姓名 班级 学号 指导教师姓 名 职称 所在单位 毕业设计（论文）题 目 Recognition part of Deployable Video Based Ramp Security System for Airliner Perimeter Protection 基于图象的可配置机场跑道周 边 安全保障系统的识别单元 毕业设计（论文）的 目标： 一整体软件目标 A pattern recognition system that recognizes a person/object based on a feature vector deriv
2、ed from a specific physiological or behavioral characteristic. VBRS Recognition Part should provide a reliable distinguishing scheme to either confirm or determine a given situation is abnormal or normal. This project will develop a novel framework for context-aware architecture for abnormal and nor
3、mal pattern recognition for VBRS. The novelty of this framework is that the proposed system can be able of operating in dynamically changing environment with varying illumination, its classifier system can be able to downgrade the search space, and the evolutionary computing guides the system to be
4、adaptive to varying environments. All these features endorse the systems efficiency. 一个能够根据人的生理或 行为特征向量识别人或物理的识别系统 .基于图象的可配置机场跑道周遍安全保障系统的识别单元能够提供可靠的方案来确定一个情况是正常或者非正常的 .这个项目将开发一个将环境因素也考虑在内的识别单元架构 .这个架构最大的特点是能够在不同的环境照明情况下 ,降级分类器的搜索空间 ,并且依靠创新的算法适应不同的环境 .所有的特征都考虑到整体系统的效率 . 二最主要的设计问题 (1) which classifier
5、s are the most efficient according to the context environments already known. 根据已知的环境因素，应该如何选择最效的分类器。 (3) how to combine the useful classifiers together to achieve high accuracy of abnormal/normal judgement. 怎样合成分类器使得其能获得最高的判断正常 /非正常情况的准确率 (4) how to modify the system itself 怎样达到自我学习的功能 实现方法： 一基本环境
6、开发工具： Visual Studio 6.0, OpenCV 1.0 开发语言： C+ 开发平台： Windows XP 软件建模： Microsoft Visio 性能测试： Data From GE corporation 二模块划分 具体可分为以下 四 个模块： (一 ) 特征向量获取模块 (Feature Extraction Module)： 从大量的图形数据中找出代表图形的特征向量 ,并将其作为输入分类器的参数 (二 ) 环境因素处理 模块 (Context Awareness Module)： 由于图形的特征向量中包含很多的环境因素 ,通过环境因素处理单元 ,特 别的从图象中寻
7、找环境因素 (或者人为的给予一些环境因素 ),与原本的特征向量结合 ,再输入分类器 ,使分类器能够更好的在不同的环境下做出正确的判断 .比如不同的照明情况下 . (三 ) 分类器组合 模块 (Classifier Combination Module)： 对静态图象的分类我们通过 Bayesian 分类器，而对动态图象的分类我们通过 HMM 分类器 .将两者结合从而得到更完美的分类结果 . (四 ) 自适应模块 (Self-Learning Module)： 由于现实中存在不可预知的状况 ,分类器也难免做出一些误判 ,当遇到这 些情况时 ,操作者将 研究给系统一个正确的答案 ,系统将会以这个数
8、据作为训练数据 ,改变自己内部的参数 ,从而在以后遇到类似情况时能够做出正确的判断 .实现自我学习的功能 . 三 模块关系 见 Fig 1.1 特点： (1) 自适应功能 (2) 以数据为中心 (3) 封装性，实现与前后单元的功能无关性 (4) 基于坚固的理论基础 ,并将两种广泛利用于模式分类的方法有机结合 四系统流程图 Fig 1.1 五各模块的设计 (1)特征向量获取单元 :利用 haar 算法从 2D 的图形中获取特征向量 ,由于 GE 提供的数 据已经将人 ,物体 ,背景分割完毕 ,所以我们只关注各个不同人 ,物的特征向量 ,分别处理 . (2)环境因素处理单元 :通过 OpenCV
9、的一些算法提取图象中的环境因素 ,并 且用逆运算将特征向量中的环境因素尽量去除 ,从而真正的关注到人或物的变化 . (3)分类器单元 :利用基于 Bayesian 的概率分类器 ,对静态图象特征向量 已经动态图象的特征向量做分类 ,达到最好的分类效果 . (4)自适应单元 :通过对错误数据以及前所未有的状况的人为研究结果 ,作为 训练数据传输给系统 ,从而及时的改变系统参数 ,在下次遇到类似情况的时候 ,由于系统参数的改变 ,可以做 出正确的与人为判断相同的判断 . 时间进度安排： 2008 年 3 月 1 日 -2008 年 3 月 15 日 完成详细设计，所有模块的细节敲定，模块的所有接口
10、、数据结构、函数及所用算法均定义完毕，并完成相应文档资料。 2008 年 3 月 16 日 -2008 年 3 月 31 日 征求导师意见后进一步改进，整理提交毕业设计开题报告。 2008 年 3 月 1 日 -2008 年 4 月 30 日 对必要技术及工具了解学习， 完成基本代码编写，所有模块基本完成。 2008 年 5 月 1 日 -2008 年 5 月 10 日 集成测试，所有模块协同工作测试，整个软件主体基本完成。 2008 年 5 月 11 日 -2008 年 6 月 10 日 系统测试，在实际工作站上完成测试，包括稳定性分析。 项目文档终稿完成，提交毕业论文，准备毕业答辩。 指导
11、教师审核意见： 毕业论文任务书 题 目： Recognition part of Deployable Video Based Ramp Security System for Airliner Perimeter Protection 基于图象的可配置机场跑道周遍安全保障系统的识别 单元 目标要求： A pattern recognition system that recognizes a person/object based on a feature vector derived from a specific physiological or behavioral character
12、istic. VBRS Recognition Part should provide a reliable distinguishing scheme to either confirm or determine a given situation is abnormal or normal. This project will develop a novel framework for context-aware architecture for abnormal and normal pattern recognition for VBRS. The novelty of this fr
13、amework is that the proposed system can be able of operating in dynamically changing environment with varying illumination, its classifier system can be able to downgrade the search space, and the evolutionary computing guides the system to be adaptive to varying environments. All these features end
14、orse the systems efficiency. 一个能够根据人的生理或行为特征向量识别人或物理的识别系统 .基于图象的可配置机场跑道周遍安全保障系统的识别单元能够提供可靠的方案来确定一个情况是正常或者非正常的 .这个项目将开发一个将环境因素也考虑在内的识别单元架构 .这个架构最大的特点是能够在不同的环境照明情况下 ,降级分类器的搜索空间 ,并且依靠创新的算法适应不同的环境 .所有的特征都考虑到整体系统的效率 . 支持条件： 开发工具： Visual Studio 6.0, OpenCV 1.0 开发语言： C+ 开 发平台： Windows XP 软件建模： Microsoft Vi
15、sio 性能测试： Data From GE corporation 指导教师（签名） 职称 学生（签名） 分阶段进度安排 阶段 起讫时间 计划完成内容 1 2008 年 3 月 1 日 -2008 年 3月 15 日 完成详细设计，所有模块的细节敲定，模块的所有接口、数据结构、函数及所用算法均定义完毕，并完成相应文档资料。 2 2008年 3月 16日 -2008年 3月 31 日 征求导师意见后进一步改进， 整理提交毕业设计开题报告。 3 2008 年 3 月 1 日 -2008 年 4月 30 日 对必要技术及工具了解学习， 完成基本代码编写，所有模块基本完成。 4 2008 年 5 月
16、 1 日 -2008 年 5月 10 日 集成测试，所有模块协同工作测试，整个软件主体基本完成。 5 2008年 5月 11日 -2008年 6月 10 日 系统测试，在实际工作站上完成测试，包括稳定性分析。 项目文档终稿完成，提交毕业论文，准备毕业答辩。 注：一般可分为资料文献搜索、拟定方案（提纲）、试验或初稿、定稿等阶段 教师分阶段指导记录 第一阶 段： 讨论并指导项目的可行性与程序框架 第二阶段： 指导学生完成开题报告与程序文档的撰写 第三阶段： 指导学生有关算法数学基础的学习以及算法逻辑的学习 第四阶段： 指导学生完成测试程序的编写 第五阶段： 指导学生完成各样本的测试 论文评语 拟评成绩 指导教师（签名） 职称 年 月 日 论文评阅 评阅成绩 评阅教师（签名） 职称 年 月 日 答辩记录 演示成绩 答辩成绩 答辩小组组长（签名） 职务（称） 年 月 日 总评 成绩 学院负责人（签盖） 年 月 日
