融合颜色数据与深度数据的背景建模算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 背景建模算法流程概述 | 第13-16页 |
| 1.2.1 背景模型 | 第14页 |
| 1.2.2 背景模型初始化 | 第14页 |
| 1.2.3 模型维护与更新 | 第14-15页 |
| 1.2.4 前景检测 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-19页 |
| 1.4 研究内容与意义 | 第19页 |
| 1.5 论文的组织结构 | 第19-22页 |
| 第二章 相关研究介绍 | 第22-36页 |
| 2.1 颜色背景模型中的挑战 | 第22-24页 |
| 2.2 深度相机基础 | 第24-33页 |
| 2.2.1 基于TOF传感器的深度相机 | 第24-26页 |
| 2.2.2 双目立体视觉 | 第26-31页 |
| 2.2.3 Kinect为代表的结构光摄像机 | 第31-33页 |
| 2.3 深度数据分析 | 第33-36页 |
| 2.3.1 ADO区域 | 第33-35页 |
| 2.3.2 深度背景模型中的问题 | 第35-36页 |
| 第三章 融合颜色与深度数据的混合高斯背景建模 | 第36-50页 |
| 3.1 高斯分布简介 | 第36-38页 |
| 3.2 融合颜色与深度数据的混合高斯模型 | 第38-43页 |
| 3.2.1 混合高斯背景模型 | 第39-40页 |
| 3.2.2 背景模型初始化 | 第40-41页 |
| 3.2.3 前景目标检测 | 第41-43页 |
| 3.2.4 背景模型的维护与更新 | 第43页 |
| 3.3 实验数据集 | 第43-46页 |
| 3.3.1 GenSeq图像序列 | 第43-44页 |
| 3.3.2 ShSeq图像序列 | 第44-45页 |
| 3.3.3 ColCamSeq图像序列 | 第45-46页 |
| 3.4 实验结果分析 | 第46-50页 |
| 第四章 基于分类器的融合算法 | 第50-62页 |
| 4.1 随机森林简介 | 第50-51页 |
| 4.2 候选特征简介 | 第51-54页 |
| 4.2.1 HSV颜色空间 | 第51-52页 |
| 4.2.2 边缘特征 | 第52-53页 |
| 4.2.3 LBP纹理特征 | 第53-54页 |
| 4.3 基于分类器的融合算法框架 | 第54-57页 |
| 4.3.1 框架基础 | 第54-55页 |
| 4.3.2 特征选择 | 第55-56页 |
| 4.3.3 算法流程 | 第56-57页 |
| 4.4 实验结果分析 | 第57-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 创新点 | 第62-63页 |
| 5.2 未来的工作 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69-70页 |
| 附录A 实验配置截屏图 | 第70-72页 |
| 附录B 第三章算法代码附录 | 第72-77页 |
| 附录C 第四章代码 | 第77-82页 |
