基于Kinect技术的人物跟踪算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 论文研究背景及意义 | 第12-13页 |
| 1.2 国内外研究状况 | 第13-15页 |
| 1.2.1 国外研究状况 | 第13-14页 |
| 1.2.2 国内研究状况 | 第14-15页 |
| 1.3 相关技术现状 | 第15-22页 |
| 1.3.1 目标检测技术 | 第15-17页 |
| 1.3.2 运动目标跟踪技术 | 第17-20页 |
| 1.3.3 目标对象识别技术 | 第20-21页 |
| 1.3.4 目标对象跟踪识别技术的难点 | 第21-22页 |
| 1.4 本文结构和研究内容 | 第22-23页 |
| 第2章 系统构建关键技术 | 第23-35页 |
| 2.1 Kinect技术 | 第23-26页 |
| 2.1.1 工作原理 | 第23-25页 |
| 2.1.2 Kinect技术应用 | 第25-26页 |
| 2.2 背景建模研究 | 第26-29页 |
| 2.2.1 差分背景减除法 | 第26-27页 |
| 2.2.2 差分背景减除法优化 | 第27-29页 |
| 2.3 人物的定位跟踪算法研究 | 第29-32页 |
| 2.3.1 人物跟踪算法CAMShift | 第29-31页 |
| 2.3.2 卡尔曼滤波算法 | 第31-32页 |
| 2.4 人物动作分析 | 第32-34页 |
| 2.4.1 人物特征分析 | 第32页 |
| 2.4.2 动作模型建立 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于Kinect的智能超市实现 | 第35-40页 |
| 3.1 商品初始定位系统 | 第35页 |
| 3.2 商品拣选信息收集系统 | 第35-36页 |
| 3.3 数据分析与统计系统 | 第36-37页 |
| 3.4 系统的关键技术 | 第37-39页 |
| 3.4.1 人物跟踪识别算法流程 | 第37-38页 |
| 3.4.2 背景提取 | 第38-39页 |
| 3.4.3 人物搜索 | 第39页 |
| 3.4.4 人物的动作识别 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 实验结果分析 | 第40-51页 |
| 4.1 系统测试环境 | 第40-41页 |
| 4.2 背景建模算法测试比较 | 第41-43页 |
| 4.2.1 差分背景减除法 | 第41页 |
| 4.2.2 改进的差分背景减除法 | 第41-42页 |
| 4.2.3 测试结果比较分析 | 第42-43页 |
| 4.3 人物跟踪算法测试比较 | 第43-46页 |
| 4.3.1 算法CAMShift | 第43页 |
| 4.3.2 卡尔曼滤波算法 | 第43-44页 |
| 4.3.3 测试结果比较分析 | 第44-46页 |
| 4.4 动作识别分析 | 第46-47页 |
| 4.5 Kinect智能超市系统数据分析 | 第47-50页 |
| 4.5.1 数据收集方法 | 第47页 |
| 4.5.2 测试结果比较分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |
