光场深度获取及基于深度的人体分割重建算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景和意义 | 第9-12页 |
| 1.2 研究历史及现状 | 第12-16页 |
| 1.2.1 基于立体视觉深度数据获取 | 第12-14页 |
| 1.2.2 基于散斑成像深度获取及应用 | 第14-15页 |
| 1.2.3 基于光场的深度数据获取 | 第15-16页 |
| 1.3 本文的研究内容及结构安排 | 第16-19页 |
| 1.3.1 本文研究内容 | 第16-17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 第2章 基本概念及相关算法介绍 | 第19-29页 |
| 2.1 射影几何和变换 | 第19-23页 |
| 2.1.1 齐次坐标 | 第19-21页 |
| 2.1.2 射影变换 | 第21-23页 |
| 2.2 摄像机模型 | 第23-26页 |
| 2.2.1 针孔模型 | 第23-25页 |
| 2.2.2 CCD摄像机模型 | 第25-26页 |
| 2.3 对极几何和基本矩阵 | 第26-28页 |
| 2.3.1 对极几何 | 第26-27页 |
| 2.3.2 基本矩阵F | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于光场的深度重建算法 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 光场获取及表示 | 第29-31页 |
| 3.3 边缘深度计算 | 第31-34页 |
| 3.3.1 边缘检测 | 第31-33页 |
| 3.3.2 边缘深度估计 | 第33页 |
| 3.3.3 边缘深度精化 | 第33-34页 |
| 3.4 深度扩散 | 第34-36页 |
| 3.5 实验结果与分析 | 第36-38页 |
| 3.5.1 不同距离度量函数的影响 | 第37页 |
| 3.5.2 距离权重系数的影响 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 基于深度信息的人体姿态识别 | 第40-59页 |
| 4.1 深度获取方案 | 第40页 |
| 4.2 相关算法介绍 | 第40-48页 |
| 4.2.1 决策树算法 | 第41-45页 |
| 4.2.2 随机决策森林算法 | 第45页 |
| 4.2.3 Mean Shift算法 | 第45-48页 |
| 4.3 算法流程 | 第48-55页 |
| 4.3.1 数据预处理 | 第49-51页 |
| 4.3.2 训练 | 第51-53页 |
| 4.3.3 识别 | 第53-55页 |
| 4.4 实验及结果 | 第55-58页 |
| 4.4.1 训练图片及参数说明 | 第55-56页 |
| 4.4.2 实验结果 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于深度的人体三维建模 | 第59-71页 |
| 5.1 引言 | 第59-60页 |
| 5.2 体积重建方法 | 第60-65页 |
| 5.2.1 数据输入 | 第60-61页 |
| 5.2.2 相机姿态跟踪 | 第61-63页 |
| 5.2.3 体积整合 | 第63-64页 |
| 5.2.4 结果输出光线投影 | 第64-65页 |
| 5.3 纹理整合 | 第65-67页 |
| 5.3.1 图像输入 | 第66页 |
| 5.3.2 体积更新 | 第66-67页 |
| 5.3.3 纹理网格提取 | 第67页 |
| 5.4 实验和结论 | 第67-70页 |
| 5.4.1 硬件系统 | 第67-68页 |
| 5.4.2 GPU加速 | 第68页 |
| 5.4.3 结果 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |
