| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景、目的及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 本文主要研究内容及组织结构 | 第17-19页 |
| 1.3.1 本文主要工作 | 第17页 |
| 1.3.2 论文的章节安排 | 第17-19页 |
| 第2章 Kinect深度图像修复 | 第19-29页 |
| 2.1 Kinect工作原理及误差分析 | 第19-22页 |
| 2.1.1 Kinect工作原理 | 第19-20页 |
| 2.1.2 Kinect误差及原因分析 | 第20-22页 |
| 2.2 Kinect标定与深度图修复 | 第22-27页 |
| 2.2.1 深度图和彩色图像的对齐 | 第22-24页 |
| 2.2.2 基于背景填充的深度图初步修复 | 第24-25页 |
| 2.2.3 基于双边滤波器的空洞填充 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于深度图和彩色图的行人目标提取 | 第29-59页 |
| 3.1 深度图像的预处理 | 第29-31页 |
| 3.2 深度图像中的行人目标识别 | 第31-44页 |
| 3.2.1 深度图像分割 | 第31-39页 |
| 3.2.2 基于分水岭算法的行人目标提取 | 第39-44页 |
| 3.3 基于HOG和SVM的彩色图像中行人目标提取 | 第44-52页 |
| 3.3.1 强烈阳光下深度信息的失真 | 第44-45页 |
| 3.3.2 方向梯度直方图(HOG)特征 | 第45-48页 |
| 3.3.3 支持向量机 | 第48-52页 |
| 3.4 实验结果及分析 | 第52-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第4章 行人多目标跟踪 | 第59-73页 |
| 4.1 基于Mean Shift算法视频目标跟踪 | 第59-64页 |
| 4.1.1 视频运动目标跟踪概述 | 第59-60页 |
| 4.1.2 MeanShift跟踪算法 | 第60-64页 |
| 4.2 基于卡尔曼滤波器的行人目标预测 | 第64-67页 |
| 4.2.1 卡尔曼滤波算法 | 第64-66页 |
| 4.2.2 行人目标的运动模型 | 第66-67页 |
| 4.3 基于卡尔曼滤波器与Mean Shift算法的行人目标跟踪 | 第67-69页 |
| 4.3.1 视频中行人目标的匹配 | 第67-68页 |
| 4.3.2 更新状态向量 | 第68-69页 |
| 4.4 实验结果与分析 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 未来研究展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 硕士期间发表的论文 | 第83-85页 |
| 作者简介 | 第85页 |