基于彩色图像和深度图像的人头跟踪
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·计算机视觉概述 | 第9-10页 |
| ·视频跟踪的应用 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本论文的研究内容和结构安排 | 第12-15页 |
| 2 深度图像介绍 | 第15-21页 |
| ·常用深度图像获取技术 | 第15-16页 |
| ·Kinect介绍 | 第16-19页 |
| ·Kinect的发展史 | 第16页 |
| ·Kinect的硬件装置 | 第16-17页 |
| ·Kinect深度图像的生成原理 | 第17-18页 |
| ·Kinect工具 | 第18-19页 |
| ·深度信息与实际距离的转换 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于深度图像的前景提取和人头检测 | 第21-41页 |
| ·深度图像的预处理 | 第21-25页 |
| ·深度图像配准 | 第22页 |
| ·深度图像滤波 | 第22-23页 |
| ·深度图像的形态学操作 | 第23-25页 |
| ·深度图像人头检测跟踪讨论 | 第25-27页 |
| ·最优贝叶斯估计 | 第25页 |
| ·重要性采样(SIS)算法 | 第25-26页 |
| ·深度图像检测跟踪算法研究 | 第26-27页 |
| ·前景提取 | 第27-32页 |
| ·帧间差分法 | 第27-28页 |
| ·背景差法 | 第28-29页 |
| ·深度图像提取前景 | 第29-31页 |
| ·深度图像前景提取法参数的设定 | 第31-32页 |
| ·前景提取比较分析 | 第32-34页 |
| ·人头检测 | 第34-39页 |
| ·Harr特征 | 第34-35页 |
| ·Adaboost算法 | 第35-36页 |
| ·弱分类器的训练及选取 | 第36-37页 |
| ·强分类器 | 第37-38页 |
| ·级联分类器 | 第38-39页 |
| ·分类器训练过程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 4 多特征目标跟踪算法 | 第41-58页 |
| ·位置信息 | 第41-43页 |
| ·稀疏表示特征 | 第43-47页 |
| ·人头跟踪 | 第47页 |
| ·实验结果和讨论 | 第47-57页 |
| ·参数的设置和分析 | 第48-49页 |
| ·基于数据统计的结果分析 | 第49-50页 |
| ·基于视频序列的结果分析 | 第50-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-59页 |
| ·本文主要工作 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录A 实验编程环境的搭建 | 第62-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
