| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 动态人体三维重建概述 | 第12-17页 |
| 1.2.1 静态和动态抠像 | 第12-14页 |
| 1.2.2 Stereo Matching和人体三维重建 | 第14-17页 |
| 1.2.3 运动捕捉(Motion Capture) | 第17页 |
| 1.3 本章小结 | 第17-19页 |
| 第2章 相关研究与本文贡献 | 第19-24页 |
| 2.1 图像分割的发展趋势 | 第19-20页 |
| 2.2 三维重建的主流方法 | 第20-21页 |
| 2.3 运动捕捉的发展历史 | 第21-22页 |
| 2.4 本文主要工作和贡献 | 第22-24页 |
| 第3章 系统设计和总体流程 | 第24-36页 |
| 3.1 硬件系统搭建 | 第24-28页 |
| 3.1.1 硬件系统架构 | 第24-26页 |
| 3.1.2 硬件系统搭建历史 | 第26-28页 |
| 3.2 数据采集和预处理 | 第28-31页 |
| 3.2.1 图像采集和标定 | 第28-30页 |
| 3.2.2 白平衡和颜色矫正 | 第30-31页 |
| 3.3 软件系统设计 | 第31-35页 |
| 3.3.1 软件系统工作流程 | 第31-32页 |
| 3.3.2 软件系统模块简介 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于多线索的自动分割方法 | 第36-57页 |
| 4.1 算法提出的背景 | 第36-39页 |
| 4.1.1 多线索自动分割(ASMC) | 第36-37页 |
| 4.1.2 几种代表性抠图方法 | 第37-39页 |
| 4.2 基于灰度空间的背景差分 | 第39-43页 |
| 4.2.1 Background Subtraction介绍 | 第39-40页 |
| 4.2.2 前背景像素采样 | 第40-43页 |
| 4.3 针对视频序列的自动GrabCut | 第43-48页 |
| 4.3.1 图像分割 | 第44页 |
| 4.3.2 依靠能量最小化的分割 | 第44-45页 |
| 4.3.3 颜色数据模型 | 第45-47页 |
| 4.3.4 迭代式能量最小化分割 | 第47-48页 |
| 4.4 运用Background Cut减小Contrasts | 第48-51页 |
| 4.4.1 基本模型产生的边缘误分割 | 第48-49页 |
| 4.4.2 背景对比度衰减(Background Contrast Attenuation) | 第49-51页 |
| 4.5 数据测试结果与分析 | 第51-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 自动人体三维重建 | 第57-75页 |
| 5.1 人体可见外壳构建 | 第58-60页 |
| 5.2 空间一致性深度恢复 | 第60-64页 |
| 5.2.1 基于VisualHull的多视图深度初始化 | 第60-63页 |
| 5.2.2 集束优化和多视图求精 | 第63-64页 |
| 5.3 深度融合和点云采样 | 第64-69页 |
| 5.4 实现细节和部分有益效果 | 第69-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82页 |
