基于双目视觉的客流统计识别系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 论文课题的意义 | 第10-11页 |
| 1.2 客流统计系统发展现状 | 第11-12页 |
| 1.3 立体视觉 | 第12-14页 |
| 1.4 Marr的计算机视觉理论框架 | 第14-16页 |
| 1.5 立体视觉的研究概况 | 第16-19页 |
| 1.5.1 匹配技术的发展概况 | 第16-17页 |
| 1.5.2 相机标定技术的发展概况 | 第17-18页 |
| 1.5.3 三维重建技术的发展概况 | 第18-19页 |
| 1.6 本文研究思路 | 第19页 |
| 1.7 论文结构 | 第19-20页 |
| 第二章 特征提取与特征匹配 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 常见的角点检测方法 | 第20-25页 |
| 2.2.1 Harris角点检测法 | 第21-23页 |
| 2.2.2 Susan角点检测法 | 第23-25页 |
| 2.3 特征匹配算法关键技术 | 第25-29页 |
| 2.3.1 特征空间 | 第25-27页 |
| 2.3.2 相似性度量 | 第27-29页 |
| 2.3.3 搜索空间 | 第29页 |
| 2.3.4 搜索策略 | 第29页 |
| 2.4 特征匹配算法分类 | 第29-33页 |
| 2.4.1 基于灰度的匹配算法 | 第30-31页 |
| 2.4.2 基于特征的匹配算法 | 第31-32页 |
| 2.4.3 基于频域变换的匹配算法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 相机模型与相机标定 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 图像坐标系、相机坐标系与世界坐标系 | 第34-36页 |
| 3.3 线性相机模型(针孔模型) | 第36-37页 |
| 3.4 对极几何和基础矩阵 | 第37-40页 |
| 3.4.1 对极几何 | 第37-38页 |
| 3.4.2 基础矩阵的求解 | 第38-40页 |
| 3.5 传统的相机标定方法 | 第40-42页 |
| 3.5.1 利用最优化算法的相机标定方法 | 第40页 |
| 3.5.2 利用透视变换矩阵的相机标定方法 | 第40-41页 |
| 3.5.3 Tsai的两步法 | 第41-42页 |
| 3.5.4 双平面法 | 第42页 |
| 3.6 张氏标定法 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 三维重建与模式聚类 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 空间点三维重建算法 | 第44-48页 |
| 4.3 基于Mean Shift的聚类方法 | 第48-53页 |
| 4.3.1 Mean Shift理论 | 第48-49页 |
| 4.3.2 扩展的Mean Shift | 第49-52页 |
| 4.3.3 Mean Shift算法 | 第52-53页 |
| 4.3.4 基于Mean Shift的聚类方法 | 第53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 系统构建与实验 | 第54-61页 |
| 5.1 系统构建 | 第54页 |
| 5.2 实验环境建立 | 第54-57页 |
| 5.2.1 硬件环境 | 第54-56页 |
| 5.2.2 软件环境 | 第56-57页 |
| 5.3 实验过程 | 第57-58页 |
| 5.4 实验结果与分析 | 第58-60页 |
| 5.4.1 实验结果 | 第58-60页 |
| 5.4.2 结果分析 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间已发表或录用的论文 | 第67页 |
