| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文结构安排 | 第15-17页 |
| 第2章 相关基础知识 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 视频序列和深度图像 | 第17-19页 |
| 2.2.1 视频序列 | 第17-18页 |
| 2.2.2 深度图像 | 第18-19页 |
| 2.3 遮挡相关知识 | 第19-21页 |
| 2.3.1 遮挡现象 | 第19-20页 |
| 2.3.2 所需建模的未知区域 | 第20-21页 |
| 2.4 机器学习 | 第21-22页 |
| 2.4.1 监督学习 | 第21-22页 |
| 2.4.2 无监督学习 | 第22页 |
| 2.5 遮挡规避 | 第22-24页 |
| 2.5.1 遮挡边界与下一最佳观测方位的关系 | 第22-23页 |
| 2.5.2 下一最佳观测方位与遮挡规避 | 第23页 |
| 2.5.3 遮挡规避方法的确定 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于无监督在线学习方法实现视频遮挡边界检测 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 方法总体思想与流程 | 第25-26页 |
| 3.3 遮挡相关特征提取及时间长度的计算 | 第26-28页 |
| 3.4 基于时间长度及多特征多次利用对冲算法计算待测帧的遮挡边界 | 第28-32页 |
| 3.4.1 瞬间损失计算 | 第28-30页 |
| 3.4.2 累计损失计算及遮挡类型判断 | 第30-31页 |
| 3.4.3 基于不同时间间隔及多特征实现当前帧的遮挡边界检测 | 第31-32页 |
| 3.5 基于多特征利用Online Boosting思想实现视频序列的遮挡边界检测 | 第32-34页 |
| 3.6 遮挡边界检测算法 | 第34页 |
| 3.7 本章小结 | 第34-35页 |
| 第4章 遮挡规避方法研究 | 第35-43页 |
| 4.1 引言 | 第35-36页 |
| 4.2 方法总体思想 | 第36页 |
| 4.3 遮挡规避方法的确定 | 第36-38页 |
| 4.3.1 获取遮挡区域 | 第37页 |
| 4.3.2 未知区域建模 | 第37-38页 |
| 4.4 计算未知区域向量和面积 | 第38-40页 |
| 4.5 遮挡规避模型求解 | 第40-41页 |
| 4.6 遮挡规避算法描述 | 第41页 |
| 4.7 本章小结 | 第41-43页 |
| 第5章 实验及分析 | 第43-51页 |
| 5.1 实验环境及数据集 | 第43-44页 |
| 5.2 基于无监督在线学习实现遮挡边界检测方法实验分析 | 第44-47页 |
| 5.2.1 实验方案 | 第44页 |
| 5.2.2 实验比较与分析 | 第44-47页 |
| 5.3 不同下一最佳观测方位方法间的对比实验分析 | 第47-50页 |
| 5.3.1 实验方案 | 第47页 |
| 5.3.2 实验比较与分析 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
