基于Kinect图像的驾驶员脸部跟踪
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究基础 | 第13-14页 |
| 1.4 推广应用 | 第14-16页 |
| 1.4.1 广义驾驶员 | 第15-16页 |
| 1.4.2 网络教学信息反馈 | 第16页 |
| 1.4.3 远程医疗 | 第16页 |
| 1.5 本文研究内容及组织结构 | 第16-18页 |
| 第二章 物体跟踪相关算法 | 第18-24页 |
| 2.1 物体抽象模型 | 第19-20页 |
| 2.2 图像特征抽取 | 第20-21页 |
| 2.3 跟踪策略 | 第21-22页 |
| 2.3.1 点跟踪 | 第21页 |
| 2.3.2 内核跟踪 | 第21页 |
| 2.3.3 轮廓跟踪 | 第21-22页 |
| 2.4 用于驾驶员脸部跟踪的跟踪算法 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 稀疏编码 | 第24-30页 |
| 3.1 基本思想 | 第24-25页 |
| 3.2 稀疏编码在物体跟踪问题中的应用 | 第25-27页 |
| 3.2.1 稀疏编码和物体跟踪的联系 | 第25-27页 |
| 3.3 稀疏编码实现物体跟踪 | 第27-29页 |
| 3.3.1 算法流程 | 第27-28页 |
| 3.3.2 遮挡问题的解决 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 深度图像归一化 | 第30-36页 |
| 4.1 深度图像和Kinect | 第30-32页 |
| 4.1.1 深度图像和彩色图像 | 第30-32页 |
| 4.2 归一化的原因 | 第32-33页 |
| 4.3 归一化 | 第33-35页 |
| 4.3.1 数据分布特点 | 第33页 |
| 4.3.2 常用归一化算法 | 第33-34页 |
| 4.3.3 Sigmoid函数 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 物体检测 | 第36-42页 |
| 5.1 TLD | 第36-39页 |
| 5.1.1 TLD框架 | 第36-38页 |
| 5.1.2 基于TLD框架的跟踪算法实现 | 第38-39页 |
| 5.2 基于扩大搜索区域的物体检测 | 第39-40页 |
| 5.3 本章小结 | 第40-42页 |
| 第六章 实验及结果分析 | 第42-50页 |
| 6.1 样本集 | 第42-43页 |
| 6.1.1 公开测试样本集 | 第42-43页 |
| 6.1.2 模拟驾驶环境样本集 | 第43页 |
| 6.2 实验参数配置 | 第43页 |
| 6.3 实验结果 | 第43-45页 |
| 6.3.1 归一化对比实验 | 第43页 |
| 6.3.2 跟踪速率实验 | 第43页 |
| 6.3.3 任意物体跟踪实验 | 第43-44页 |
| 6.3.4 人脸跟踪实验 | 第44-45页 |
| 6.3.5 模拟驾驶环境跟踪实验 | 第45页 |
| 6.4 跟踪算法结果分析 | 第45-49页 |
| 6.4.1 归一化效果 | 第45页 |
| 6.4.2 跟踪速率 | 第45-46页 |
| 6.4.3 普通跟踪效果 | 第46页 |
| 6.4.4 光线变化 | 第46-47页 |
| 6.4.5 严重遮挡 | 第47页 |
| 6.4.6 非刚性物体跟踪 | 第47-48页 |
| 6.4.7 普通环境人脸跟踪 | 第48-49页 |
| 6.4.8 模拟驾驶环境跟踪 | 第49页 |
| 6.5 本章小结 | 第49-50页 |
| 全文总结 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表的学术论文目录 | 第55-57页 |
