| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 1 绪论 | 第15-20页 |
| 1.1 论文的研究意义与背景 | 第15页 |
| 1.2 国内外研究现状及分析 | 第15-18页 |
| 1.2.1 运动目标检测与跟踪技术研究现状 | 第15-17页 |
| 1.2.2 基于深度信息的目标检测与跟踪现状 | 第17-18页 |
| 1.3 本文主要研究内容及结构安排 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18页 |
| 1.3.2 论文的章节安排 | 第18-20页 |
| 2 目标检测与跟踪算法概述 | 第20-33页 |
| 2.1 目标检测算法 | 第20-23页 |
| 2.1.1 光流法 | 第20-21页 |
| 2.1.2 帧差法 | 第21页 |
| 2.1.3 背景减法 | 第21-23页 |
| 2.2 目标关联算法 | 第23-25页 |
| 2.2.1 最近邻数据关联 | 第23-24页 |
| 2.2.2 概率数据关联 | 第24页 |
| 2.2.3 联合概率数据关联 | 第24-25页 |
| 2.2.4 多假设跟踪 | 第25页 |
| 2.3 滤波跟踪算法 | 第25-32页 |
| 2.3.1 贝叶斯滤波 | 第26-28页 |
| 2.3.2 卡尔曼滤波 | 第28-29页 |
| 2.3.3 粒子滤波 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 颜色信息与深度信息多分类器融合的目标检测 | 第33-55页 |
| 3.1 深度图像与彩色图像的立体配准 | 第33-40页 |
| 3.1.1 相机的成像模型 | 第34-36页 |
| 3.1.2 CCD与TOF相机标定 | 第36-38页 |
| 3.1.3 立体配准算法 | 第38-40页 |
| 3.2 颜色信息与深度信息多分类器融合的目标检测算法 | 第40-47页 |
| 3.2.1 分类器融合 | 第40-41页 |
| 3.2.2 颜色信息与深度信息的自适应加权 | 第41-45页 |
| 3.2.3 贝叶斯分类器 | 第45-47页 |
| 3.3 实验结果及分析 | 第47-54页 |
| 3.3.1 实验设置 | 第47-48页 |
| 3.3.2 目标与背景颜色相近 | 第48-49页 |
| 3.3.3 目标与背景距离相近 | 第49-51页 |
| 3.3.4 背景物体移动 | 第51-52页 |
| 3.3.5 光照突变 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 颜色信息与深度信息多特征融合的多目标跟踪 | 第55-72页 |
| 4.1 自适应阈值的目标定位 | 第55-58页 |
| 4.1.1 深度分布 | 第56页 |
| 4.1.2 自适应阈值选取 | 第56-58页 |
| 4.2 基于多特征融合的目标关联 | 第58-62页 |
| 4.2.1 建立粗略的关联矩阵 | 第58-59页 |
| 4.2.2 建立精确的关联矩阵 | 第59-62页 |
| 4.3 基于关联矩阵的多目标跟踪算法 | 第62-66页 |
| 4.3.1 算法整体流程 | 第62-63页 |
| 4.3.2 自适应跟踪算法 | 第63-66页 |
| 4.4 实验结果及分析 | 第66-71页 |
| 4.4.1 自主拍摄序列的多目标跟踪 | 第66-67页 |
| 4.4.2 不同深度层遮挡 | 第67-69页 |
| 4.4.3 同一深度层遮挡 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79-80页 |