面向人机合作任务的Kinect视觉人员识别和跟踪方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景及意义 | 第8-10页 |
| 1.3 计算机视觉的发展及人机合作的研究现状 | 第10-12页 |
| 1.3.1 计算机视觉的发展与应用现状分析 | 第10-11页 |
| 1.3.2 人机合作的国内外现状分析 | 第11-12页 |
| 1.4 主要研究内容 | 第12-14页 |
| 第二章 Kinect 传感器简介 | 第14-26页 |
| 2.1 Kinect 的发展 | 第14-15页 |
| 2.2 Kinect 的结构 | 第15-18页 |
| 2.2.1 Kinect 的硬件 | 第15-16页 |
| 2.2.2 Kinect 的软件 | 第16-18页 |
| 2.3 Kinect 工作原理及数据结构 | 第18-23页 |
| 2.3.1 Kinect 工作原理 | 第18-20页 |
| 2.3.2 彩色图像数据结构 | 第20-21页 |
| 2.3.3 深度图像数据结构 | 第21-22页 |
| 2.3.4 骨骼图像数据结构 | 第22-23页 |
| 2.4 Kinect 的应用 | 第23-26页 |
| 第三章 基于外观特征的人员识别算法 | 第26-38页 |
| 3.1 引言 | 第26-27页 |
| 3.2 SURF 算法的原理 | 第27-34页 |
| 3.2.1 积分图像 | 第27-28页 |
| 3.2.2 Hessian 矩阵检测 | 第28-30页 |
| 3.2.3 尺度空间的表示及特征点定位 | 第30-32页 |
| 3.2.4 特征描述符 | 第32-33页 |
| 3.2.5 特征匹配 | 第33-34页 |
| 3.3 算法实验 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于无迹卡尔曼滤波的视觉跟踪算法 | 第38-44页 |
| 4.1 卡尔曼滤波的发展 | 第38-39页 |
| 4.2 无迹卡尔曼滤波的原理 | 第39-42页 |
| 4.3 UKF 的应用 | 第42-44页 |
| 第五章 人员识别与目标跟踪算法设计与实验 | 第44-62页 |
| 5.1 人员识别与跟踪算法设计方案 | 第44-45页 |
| 5.2 数据采集 | 第45-49页 |
| 5.2.1 彩色图像数据获取 | 第46页 |
| 5.2.2 深度图像数据获取 | 第46-49页 |
| 5.3 目标人体识别 | 第49-55页 |
| 5.3.1 预处理 | 第49-50页 |
| 5.3.2 特征提取与匹配 | 第50-55页 |
| 5.4 目标跟踪 | 第55-57页 |
| 5.5 实验结果 | 第57-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70页 |
