基于机器视觉的人体目标快速识别技术研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究目的与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 人体目标探测 | 第13-15页 |
| 1.2.2 生物特征识别 | 第15-18页 |
| 1.3 论文主要研究内容及章节安排 | 第18-20页 |
| 第2章 目标探测与识别基本理论 | 第20-34页 |
| 2.1 目标特征表示 | 第20-23页 |
| 2.1.1 基于边界的特征 | 第20-21页 |
| 2.1.2 基于区域的表示 | 第21-22页 |
| 2.1.3 基于变换的表示 | 第22-23页 |
| 2.2 通用底层特征描述子 | 第23-27页 |
| 2.2.1 Haar特征 | 第23-24页 |
| 2.2.2 局部二值模式(LBP) | 第24-26页 |
| 2.2.3 HOG特征表示 | 第26-27页 |
| 2.3 分类器 | 第27-32页 |
| 2.3.1 目标相似性度量 | 第28-29页 |
| 2.3.2 神经网络分类器 | 第29-30页 |
| 2.3.3 SVM分类器 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 多源图像采集与处理硬件技术研究 | 第34-57页 |
| 3.1 人体目标识别总体方案 | 第34-46页 |
| 3.1.1 高速图像并行处理架构选型 | 第37-41页 |
| 3.1.2 热红外相机选型 | 第41-44页 |
| 3.1.3 高清可见光相机选型 | 第44-46页 |
| 3.2 多源图像采集与处理电路 | 第46-50页 |
| 3.2.1 图像采集与处理硬件平台 | 第46-48页 |
| 3.2.2 异构多核处理器外围电路 | 第48-49页 |
| 3.2.3 HD-SDI高清视频接口电路 | 第49-50页 |
| 3.3 高清可见光视频读取逻辑设计 | 第50-55页 |
| 3.3.1 HD-SDI视频接口传输及编码格式 | 第51-52页 |
| 3.3.2 5-20bit串并转换过程 | 第52页 |
| 3.3.3 数据解扰过程 | 第52-54页 |
| 3.3.4 序列探测过程 | 第54-55页 |
| 3.4 热红外视频读取逻辑设计 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 多源图像人体目标快速探测研究 | 第57-83页 |
| 4.1 热红外图像畸变校正 | 第57-63页 |
| 4.1.1 畸变校正模型 | 第57-59页 |
| 4.1.2 Gamma校正 | 第59-60页 |
| 4.1.3 实验与结果分析 | 第60-63页 |
| 4.2 红外与可见光多源图像配准 | 第63-67页 |
| 4.2.1 双目相机融合成像原理 | 第63-65页 |
| 4.2.2 共视场图像的配准方法 | 第65页 |
| 4.2.3 实验与结果分析 | 第65-67页 |
| 4.3 HOG特征提取与分类器的选择 | 第67-69页 |
| 4.3.1 计算图像的梯度 | 第67-68页 |
| 4.3.2 构建梯度方向直方图与HOG特征 | 第68-69页 |
| 4.3.3 分类器的选择 | 第69页 |
| 4.4 HOG-SVM直立人体与头部目标探测 | 第69-81页 |
| 4.4.1 直立人体和头部探测框架 | 第69-71页 |
| 4.4.2 直立人体样本库 | 第71-73页 |
| 4.4.3 可见光与热红外人体头部样本库 | 第73-74页 |
| 4.4.4 正负样本二次训练过程 | 第74-75页 |
| 4.4.5 SVM并联组合探测过程 | 第75-76页 |
| 4.4.6 异构多核处理器算法加速处理过程 | 第76-77页 |
| 4.4.7 实验与结果分析 | 第77-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第5章 基于多生物特征的人体目标识别 | 第83-103页 |
| 5.1 基于可见光面部特征的人体目标识别 | 第83-92页 |
| 5.1.1 基于级联回归的人脸配准 | 第84-85页 |
| 5.1.2 基于最小二乘法人脸归一化 | 第85-87页 |
| 5.1.3 基于FaceNet特征提取与分类架构 | 第87-88页 |
| 5.1.4 深度卷积神经网络 | 第88-90页 |
| 5.1.5 基于Triplet Loss函数分类 | 第90-91页 |
| 5.1.6 实验与结果分析 | 第91-92页 |
| 5.2 基于热红外步态特征的人体目标识别 | 第92-100页 |
| 5.2.1 基本识别流程 | 第93页 |
| 5.2.2 双线性插值图像预处理 | 第93-94页 |
| 5.2.3 多区域与骨架动态特征提取 | 第94-97页 |
| 5.2.4 步态周期分析与DTW数据处理 | 第97-98页 |
| 5.2.5 特征向量融合 | 第98-99页 |
| 5.2.6 实验及结果分析 | 第99-100页 |
| 5.3 本章小结 | 第100-103页 |
| 第6章 总结与展望 | 第103-106页 |
| 6.1 课题总结与主要创新点 | 第103-104页 |
| 6.2 不足之处与展望 | 第104-106页 |
| 参考文献 | 第106-117页 |
| 致谢 | 第117-119页 |
| 作者简介及在学期间发表的论文与研究成果 | 第119页 |
