| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题目的与意义 | 第12-13页 |
| 1.2 国内外现状与发展趋势 | 第13-14页 |
| 1.2.1 立体匹配研究现状 | 第13页 |
| 1.2.2 行人识别研究现状 | 第13-14页 |
| 1.3 主要研究内容与章节安排 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-17页 |
| 第2章 基于Census变换的快速局部立体匹配算法 | 第17-37页 |
| 2.1 双目立体视觉系统 | 第17-23页 |
| 2.1.1 摄像机成像模型 | 第17-20页 |
| 2.1.2 双目立体视觉原理 | 第20-21页 |
| 2.1.3 匹配约束与极线校正 | 第21-22页 |
| 2.1.4 单目摄像机标定与极线校正的实验 | 第22-23页 |
| 2.2 立体匹配算法 | 第23-25页 |
| 2.2.1 立体匹配算法一般步骤 | 第24页 |
| 2.2.2 全局立体匹配 | 第24-25页 |
| 2.2.3 局部立体匹配 | 第25页 |
| 2.3 改进的基于Census变换的快速局部立体匹配算法 | 第25-32页 |
| 2.3.1 改进的基于Census变换的匹配代价计算 | 第25-27页 |
| 2.3.2 基于列窗口的快速代价聚合 | 第27-29页 |
| 2.3.3 视差后处理 | 第29-32页 |
| 2.4 实验结果与分析 | 第32-36页 |
| 2.4.1 传统Census变换与结合梯度信息的Census变换实验对比 | 第32-34页 |
| 2.4.2 Census变换窗口的选择 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于改进ViBe算法的运动目标区域提取 | 第37-57页 |
| 3.1 运动目标检测算法 | 第37-41页 |
| 3.1.1 帧差法 | 第37-38页 |
| 3.1.2 背景减除法 | 第38-40页 |
| 3.1.3 光流法 | 第40-41页 |
| 3.2 背景建模算法 | 第41-53页 |
| 3.2.1 基于高斯混合模型的背景建模 | 第41-44页 |
| 3.2.2 基于码本的背景建模 | 第44-46页 |
| 3.2.3 ViBe背景建模算法 | 第46-48页 |
| 3.2.4 实验对比与分析 | 第48-53页 |
| 3.3 改进的ViBe背景建模算法 | 第53-56页 |
| 3.3.1 ViBe算法长时间静止前景漏检的改进 | 第53-55页 |
| 3.3.2 ViBe算法阴影误检的改进 | 第55-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 基于支持向量机和深度特征的行人识别 | 第57-71页 |
| 4.1 支持向量机 | 第57-60页 |
| 4.1.1 支持向量机概述 | 第57-58页 |
| 4.1.2 支持向量机原理 | 第58-60页 |
| 4.2 头部的深度特征提取 | 第60-65页 |
| 4.2.1 基于深度信息的头部特征描述子 | 第61-63页 |
| 4.2.2 训练样本的准备 | 第63-65页 |
| 4.3 基于深度特征描述子与SVM的行人分类器训练 | 第65-68页 |
| 4.3.1 行人分类器的训练过程 | 第65-67页 |
| 4.3.2 结合非极大值抑制和行人分类器的行人检测 | 第67-68页 |
| 4.4 本章小结 | 第68-71页 |
| 第5章 行人计数系统设计与实验 | 第71-81页 |
| 5.1 基于欧式距离的多目标跟踪 | 第71-74页 |
| 5.1.1 基于最近邻的多目标匹配算法 | 第71-72页 |
| 5.1.2 基于卡尔曼滤波的轨迹预测 | 第72-74页 |
| 5.2 行人计数系统实验环境搭建 | 第74-76页 |
| 5.2.1 虚拟计数线设置与计数原理 | 第74-75页 |
| 5.2.2 行人计数实验系统的搭建 | 第75-76页 |
| 5.3 实验结果与分析 | 第76-79页 |
| 5.4 本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-85页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89页 |
