基于双目视觉的行人检测与跟踪研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 行人检测研究现状 | 第10-13页 |
| 1.3.2 行人跟踪研究现状 | 第13-14页 |
| 1.3.3 总结 | 第14-15页 |
| 1.4 论文研究内容 | 第15-16页 |
| 第2章 行人检测与跟踪系统的理论基础 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 已有的研究基础 | 第16-21页 |
| 2.2.1 双目摄像机标定 | 第16-19页 |
| 2.2.2 立体匹配算法 | 第19-21页 |
| 2.3 基于视差理论的行人检测算法 | 第21-24页 |
| 2.3.1 U-V视差理论 | 第22-24页 |
| 2.3.2 统计模型 | 第24页 |
| 2.4 贝叶斯估计 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于双目视差图的行人检测研究 | 第27-46页 |
| 3.1 引言 | 第27页 |
| 3.2 行人检测系统框架 | 第27-28页 |
| 3.3 障碍物的定位研究 | 第28-37页 |
| 3.3.1 直线检测 | 第28-32页 |
| 3.3.2 U-V视差匹配 | 第32-33页 |
| 3.3.3 障碍物ROI定位仿真实验 | 第33-37页 |
| 3.4 障碍物的分割研究 | 第37-39页 |
| 3.5 障碍物的分类研究 | 第39-45页 |
| 3.5.1 基于统计模型的分类方法 | 第39-43页 |
| 3.5.2 改进的分类方法 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于粒子滤波算法的行人跟踪研究 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 粒子滤波算法 | 第46-49页 |
| 4.3 跟踪模型的建立 | 第49-53页 |
| 4.3.1 状态空间模型 | 第50-51页 |
| 4.3.2 观测模型 | 第51-52页 |
| 4.3.3 目标模型更新 | 第52页 |
| 4.3.4 算法过程 | 第52-53页 |
| 4.4 性能评估 | 第53页 |
| 4.5 实验仿真分析 | 第53-61页 |
| 4.6 本章小结 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第69-71页 |
| 致谢 | 第71页 |
