基于嵌入式GPU的行人检测系统设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 监控视频技术的发展 | 第9-13页 |
| 1.2.2 行人检测算法研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 第2章 基于Gstreamer的视频服务器系统 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 视频服务器硬件平台 | 第17-18页 |
| 2.3 Gstreamer框架基本概念 | 第18-20页 |
| 2.4 流媒体相关技术 | 第20-22页 |
| 2.4.1 视频压缩技术 | 第20-21页 |
| 2.4.2 流媒体传输协议 | 第21-22页 |
| 2.5 视频服务器设计 | 第22-27页 |
| 2.5.1 视频采集模块设计 | 第22-23页 |
| 2.5.2 视频编码模块设计 | 第23-24页 |
| 2.5.3 网络传输模块设计 | 第24-26页 |
| 2.5.4 视频服务器系统 | 第26-27页 |
| 2.6 视频服务器系统测试 | 第27-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于立体视觉的Stixels | 第31-51页 |
| 3.1 引言 | 第31页 |
| 3.2 立体视觉基础知识 | 第31-36页 |
| 3.2.1 单目成像模型 | 第31-33页 |
| 3.2.2 双目成像模型 | 第33-35页 |
| 3.2.3 U-V视差图 | 第35-36页 |
| 3.3 基于立体视觉的Stixels的实现 | 第36-44页 |
| 3.3.1 平行校正 | 第37-39页 |
| 3.3.2 半全局匹配 | 第39-40页 |
| 3.3.3 地平面估计 | 第40-42页 |
| 3.3.4 Stixels深度估计 | 第42-43页 |
| 3.3.5 Stixels高度估计 | 第43-44页 |
| 3.4 改进的Stixels | 第44-50页 |
| 3.4.1 CUDA基础知识 | 第45-46页 |
| 3.4.2 平行校正并行化实现 | 第46-47页 |
| 3.4.3 半全局匹配并行化实现 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于嵌入式GPU的行人检测系统 | 第51-62页 |
| 4.1 引言 | 第51页 |
| 4.2 双目相机标定 | 第51-53页 |
| 4.3 行人检测系统 | 第53-56页 |
| 4.3.1 基于改进的Stixels的行人检测 | 第53-55页 |
| 4.3.2 行人检测模块 | 第55-56页 |
| 4.4 系统测试 | 第56-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
