首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

全景凝视系统中的关键技术研究

摘要第9-11页
Abstract第11-12页
第一章 绪论第13-28页
    1.1 课题研究背景和意义第13-14页
    1.2 国内外研究现状第14-24页
        1.2.1 全景成像技术第14-17页
        1.2.2 主从摄像机系统第17-20页
        1.2.3 全景及PTZ摄像机的联合标定技术第20-21页
        1.2.4 目标凝视相关技术第21-24页
    1.3 论文的主要工作及结构第24-28页
第二章 基于Bayer图像信号的鱼眼镜头畸变校正第28-55页
    2.1 引言第28-29页
    2.2 面向鱼眼镜头畸变校正的VFP投影方法第29-36页
        2.2.1 鱼眼镜头畸变和投影的基本原理第29-30页
        2.2.2 VFP投影方法第30-36页
    2.3 基于Hermite和通道相关假设的Bayer图像插值第36-50页
        2.3.1 基于Hermite的Bayer图像插值方法第37-44页
        2.3.2 基于灰色块差分假设的图像光照估计第44-50页
    2.4 基于FPGA的鱼眼镜头畸变校正实现第50-53页
    2.5 本章小结第53-55页
第三章 全景凝视系统的联合标定第55-73页
    3.1 引言第55页
    3.2 联合标定的模型与求解第55-60页
        3.2.1 全景摄像机的内参数模型第55-56页
        3.2.2 PTZ摄像机的参数模型第56-58页
        3.2.3 基于局部旋转的映射模型与求解第58-60页
    3.3 基于特征点匹配的联合标定方法第60-63页
        3.3.1 基于重投影的特征点匹配第60-61页
        3.3.2 错误特征点对的剔除第61-63页
        3.3.3 联合标定算法完整流程第63页
    3.4 联合标定实验与分析第63-72页
        3.4.1 初步映射关系、重投影及特征点匹配第64-68页
        3.4.2 联动效果验证第68-72页
    3.5 本章小结第72-73页
第四章 全景凝视系统的行人检测跟踪技术第73-109页
    4.1 引言第73-74页
    4.2 全景凝视系统的行人检测跟踪基本框架第74-76页
    4.3 基于图像的行人检测第76-89页
        4.3.1 Adaboost分类器第76-77页
        4.3.2 积分通道特征与尺度归一化第77-82页
        4.3.3 嵌入重采样的级联检测算法第82-86页
        4.3.4 标准数据集实验第86-89页
    4.4 基于检测的行人跟踪第89-96页
        4.4.1 粒子滤波行人检测跟踪方法第91-94页
        4.4.2 特征点导向的运动模型第94-96页
    4.5 实验与分析第96-107页
        4.5.1 全景摄像机运动检测及目标跟踪、PTZ摄像机的联动拍摄第97-99页
        4.5.2 行人检测跟踪的实验与分析第99-107页
        4.5.3 实验小结第107页
    4.6 本章小结第107-109页
第五章 结论与展望第109-111页
致谢第111-112页
参考文献第112-121页
作者在学期间取得的学术成果第121-122页

论文共122页,点击 下载论文
上一篇:互联网内容分级服务技术标准体系的形式化设计与验证
下一篇:多人会话语音中的说话人角色分析