| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 运动目标检测方法研究现状 | 第11-13页 |
| 1.2.2 人体目标识别研究现状 | 第13-14页 |
| 1.2.3 运动目标跟踪研究现状 | 第14-15页 |
| 1.2.4 技术难点 | 第15-16页 |
| 1.3 论文的主要工作内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 图像采集及预处理 | 第18-30页 |
| 2.1 Kinect传感器 | 第18-21页 |
| 2.1.1 Kinect传感器结构及深度图像成像原理 | 第18-20页 |
| 2.1.2 Kinect传感器图像获取 | 第20-21页 |
| 2.2 图像增强算法 | 第21-22页 |
| 2.2.1 灰度变换 | 第21-22页 |
| 2.2.2 直方图均衡化 | 第22页 |
| 2.3 图像平滑 | 第22-24页 |
| 2.3.1 均值滤波 | 第23页 |
| 2.3.2 中值滤波 | 第23-24页 |
| 2.4 形态学操作 | 第24-25页 |
| 2.5 预处理结果 | 第25-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 彩色图像中人体目标识别算法研究 | 第30-50页 |
| 3.1 人体目标识别流程 | 第30-31页 |
| 3.2 人体目标特征提取 | 第31-37页 |
| 3.2.1 常用人体特征 | 第31-32页 |
| 3.2.2 HOG特征提取 | 第32-34页 |
| 3.2.3 HOG特征提取优化 | 第34-37页 |
| 3.3 人体目标分类器设计 | 第37-42页 |
| 3.3.1 典型分类器 | 第37-40页 |
| 3.3.2 级联SVM分类器 | 第40-41页 |
| 3.3.3 分类器训练方法 | 第41-42页 |
| 3.4 多尺度人体目标检测方法 | 第42-46页 |
| 3.4.1 多尺度人体目标搜索方法 | 第42-43页 |
| 3.4.2 多尺度下窗口融合方法 | 第43-46页 |
| 3.5 试验结果与分析 | 第46-48页 |
| 3.5.1 实验环境配置 | 第46页 |
| 3.5.2 实验结果与分析 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 彩色及深度图像联合的人体目标识别算法研究 | 第50-58页 |
| 4.1 Kinect传感器深度数据分析 | 第50-51页 |
| 4.1.1 深度数据计算方法 | 第50-51页 |
| 4.1.2 深度数据分析 | 第51页 |
| 4.2 基于深度图像的人体目标检测 | 第51-53页 |
| 4.2.1 深度图像中人体目标检测方法 | 第51-52页 |
| 4.2.2 基于深度信息的尺度空间搜索 | 第52-53页 |
| 4.3 基于彩色及深度图像联合的人体目标检测 | 第53-55页 |
| 4.3.1 基于彩色及深度图像联合的人体目标检测流程 | 第53-54页 |
| 4.3.2 检测结果融合 | 第54-55页 |
| 4.4 实验结果与分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 基于Kalman滤波及Camshift算法的人体目标跟踪 | 第58-67页 |
| 5.1 基于Kalman滤波的运动人体目标跟踪 | 第58-60页 |
| 5.1.1 Kalman滤波器原理 | 第58-59页 |
| 5.1.2 基于Kalman滤波器的人体目标跟踪 | 第59-60页 |
| 5.2 基于Camshift算法的运动人体目标跟踪 | 第60-62页 |
| 5.3 Camshift算法与Kalman预测结合的人体目标跟踪 | 第62-64页 |
| 5.4 实验结果与分析 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和取得的研究成果 | 第75-77页 |
| 致谢 | 第77页 |
