基于双目视觉的客流检测与跟踪技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本文的意义 | 第10-11页 |
| ·计算机视觉 | 第11-13页 |
| ·立体视觉技术 | 第13-14页 |
| ·研究内容和结构安排 | 第14-16页 |
| 第二章 特征的提取与匹配 | 第16-27页 |
| ·引言 | 第16页 |
| ·特征的匹配 | 第16-20页 |
| ·基于区域的匹配 | 第16-18页 |
| ·基于图元的匹配 | 第18页 |
| ·基于频域的匹配 | 第18-20页 |
| ·特征的提取 | 第20-24页 |
| ·Harris 角点检测方法 | 第20-22页 |
| ·Susan 角点检测法 | 第22-24页 |
| ·本文中的特征匹配 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 空间坐标的计算 | 第27-38页 |
| ·引言 | 第27页 |
| ·相机模型 | 第27-29页 |
| ·对极几何和基础矩阵 | 第29-32页 |
| ·对极几何和基础矩阵 | 第29-31页 |
| ·基础矩阵的计算 | 第31-32页 |
| ·相机的平面标定法 | 第32-34页 |
| ·本文中三维结构的获取 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 特征点的聚类 | 第38-50页 |
| ·引言 | 第38页 |
| ·聚类算法简介 | 第38-39页 |
| ·常用聚类算法 | 第39-44页 |
| ·顺序聚类方法 | 第39-41页 |
| ·K-means 聚类 | 第41-44页 |
| ·基于MEAN SHIFT 的聚类方法 | 第44-49页 |
| ·Mean shift 方法 | 第44-46页 |
| ·Mean shift 方法的核函数 | 第46-47页 |
| ·Mean shift 作为聚类方法 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 行人的检测和跟踪 | 第50-54页 |
| ·引言 | 第50页 |
| ·行人的检测 | 第50-52页 |
| ·扩展的mean shift 方法 | 第50-52页 |
| ·扩展的核函数 | 第52页 |
| ·对行人的跟踪 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 实验结果与分析 | 第54-60页 |
| ·引言 | 第54页 |
| ·实验的软硬件 | 第54-55页 |
| ·实验过程和结果 | 第55-59页 |
| ·实验结果分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间已发表或录用的论文 | 第66页 |
