| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 目标检测技术现状 | 第12-13页 |
| 1.2.2 多目标跟踪技术现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第二章 双目立体视觉系统搭建 | 第17-23页 |
| 2.1 系统光学成像装置的组装 | 第17-18页 |
| 2.2 双目立体数据库建立 | 第18-19页 |
| 2.3 场景深度信息获取 | 第19-22页 |
| 2.3.1 立体成像基础 | 第19-21页 |
| 2.3.2 立体匹配算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于立体视觉的行人检测算法 | 第23-43页 |
| 3.1 引言 | 第23页 |
| 3.2 算法框架 | 第23-24页 |
| 3.3 基于立体的三维空间表层模型的建立 | 第24-26页 |
| 3.4 三维空间表层背景模型的初始化与更新 | 第26-28页 |
| 3.4.1 背景模型的初始化 | 第26-27页 |
| 3.4.2 背景模型的更新策略 | 第27-28页 |
| 3.5 基于阴影判别的前景目标分割 | 第28-33页 |
| 3.5.1 阴影区域的提取 | 第28-30页 |
| 3.5.2 前景目标的分割 | 第30-33页 |
| 3.6 实验分析 | 第33-41页 |
| 3.6.1 实验结果分析 | 第34-36页 |
| 3.6.2 量化对比实验结果分析 | 第36-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 基于深度学习与立体视觉的多目标分割与跟踪算法 | 第43-67页 |
| 4.1 引言 | 第43页 |
| 4.2 算法框架 | 第43-44页 |
| 4.3 基于深度学习的目标检测 | 第44-45页 |
| 4.4 基于检测目标立体信息的目标分割算法 | 第45-51页 |
| 4.4.1 目标立体信息的获取 | 第46页 |
| 4.4.2 基于目标可视度的目标分割策略 | 第46-51页 |
| 4.5 基于两层数据关联的多目标跟踪算法 | 第51-55页 |
| 4.5.1 基于立体视觉的目标相似度模型 | 第51-54页 |
| 4.5.2 两层数据关联算法 | 第54-55页 |
| 4.6 实验分析 | 第55-66页 |
| 4.6.1 实验结果分析 | 第56-59页 |
| 4.6.2 跟踪算法不同策略的比较 | 第59-62页 |
| 4.6.3 对比实验结果分析 | 第62-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 论文工作总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |