| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 财产保护相关技术国内外研究发展现状 | 第11-13页 |
| 1.3 本文的主要工作及内容安排 | 第13-15页 |
| 第二章 基于双目视觉的室内取走物检测技术研究 | 第15-38页 |
| 2.1 概述 | 第15页 |
| 2.2 双目相机的标定及立体矫正 | 第15-17页 |
| 2.3 双目立体匹配概述 | 第17-22页 |
| 2.3.1 立体匹配的约束条件 | 第17页 |
| 2.3.2 立体匹配算法分类 | 第17-19页 |
| 2.3.3 ELAS立体匹配技术介绍 | 第19-21页 |
| 2.3.4 评价标准 | 第21-22页 |
| 2.4 几种双目立体匹配技术的比较 | 第22-25页 |
| 2.5 双目测距原理和实现 | 第25-27页 |
| 2.6 取走物检测流程 | 第27-28页 |
| 2.7 运动目标检测技术 | 第28-30页 |
| 2.7.1 帧差法 | 第28-29页 |
| 2.7.2 背景减除法 | 第29页 |
| 2.7.3 surendra前景检测算法 | 第29-30页 |
| 2.8 取走物检测方法 | 第30-33页 |
| 2.8.1 深度变化分析 | 第30页 |
| 2.8.2 改进的surendra前景提取算法 | 第30-31页 |
| 2.8.3 连续帧去除深度突变 | 第31-32页 |
| 2.8.4 连通区域分析 | 第32-33页 |
| 2.9 实验结果及分析 | 第33-37页 |
| 2.10 本章小结 | 第37-38页 |
| 第三章 基于深度信息的嫌疑人确定相关技术研究 | 第38-52页 |
| 3.1 概述 | 第38页 |
| 3.2 嫌疑人人体检测 | 第38-44页 |
| 3.2.1 几种基于特征学习的人体检测方法 | 第38-41页 |
| 3.2.2 人体检测算法比较 | 第41-44页 |
| 3.3 取走物位置与人之间的空间距离估计确定嫌疑人 | 第44-46页 |
| 3.3.1 嫌疑人体和取走物原始位置测距点的选取 | 第44-45页 |
| 3.3.2 计算空间距离确定嫌疑人 | 第45-46页 |
| 3.4 实验结果及分析 | 第46-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 融合深度显著性基于人脸识别的身份鉴别方法 | 第52-67页 |
| 4.1 概述 | 第52页 |
| 4.2 人脸检测及识别 | 第52-53页 |
| 4.2.1 基于LBP特征及Adaboost分类器人脸检测算法 | 第52-53页 |
| 4.2.2 LBPH人脸识别算法 | 第53页 |
| 4.3 人脸识别在不同距离上的置信度测试 | 第53-54页 |
| 4.4 视觉显著性概述 | 第54-56页 |
| 4.4.1 视觉显著性计算模型 | 第54-55页 |
| 4.4.2 3D显著性计算模型 | 第55-56页 |
| 4.5 一种适合人脸识别的融合深度信息的关键帧提取技术 | 第56-61页 |
| 4.5.1 研究动机 | 第57页 |
| 4.5.2 适用于人脸识别的3D显著性图像计算流程 | 第57-58页 |
| 4.5.3 肤色特征提取 | 第58-59页 |
| 4.5.4 纹理特征提取 | 第59-60页 |
| 4.5.5 基于3D显著性的关键帧提取 | 第60-61页 |
| 4.6 实验结果及分析 | 第61-66页 |
| 4.6.1 本文算法提取的关键帧在身份识别方面的性能测试 | 第64-65页 |
| 4.6.2 融合深度信息与没有融合深度信息的鉴别方法比较 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |
