| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16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页 |
| 1.5 论文结构安排 | 第14-16页 |
| 第2章 相关基础知识 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 视频序列和深度图像 | 第16-17页 |
| 2.2.1 视频序列 | 第16-17页 |
| 2.2.2 深度图像 | 第17页 |
| 2.3 遮挡相关知识 | 第17-19页 |
| 2.3.1 遮挡的定义 | 第17-18页 |
| 2.3.2 遮挡问题的处理方法分类 | 第18-19页 |
| 2.4 基于机器学习的分类方法 | 第19-22页 |
| 2.4.1 随机森林 | 第19-20页 |
| 2.4.2 图的半监督学习 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 结合表观、运动和边缘结构信息的遮挡边界检测方法 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 方法总体思想与流程 | 第23-24页 |
| 3.3 超像素和直线段的获取 | 第24-26页 |
| 3.4 直线段的遮挡相关特征及提取方法 | 第26-30页 |
| 3.4.1 已有的直线段遮挡相关特征分析 | 第26页 |
| 3.4.2 超像素边缘直线段光流差异特征 | 第26-27页 |
| 3.4.3 边缘结构特征 | 第27-30页 |
| 3.5 遮挡边界检测 | 第30-32页 |
| 3.5.1 遮挡边界检测方法 | 第30-31页 |
| 3.5.2 遮挡边界检测算法描述 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于图的半监督学习的遮挡边界检测方法 | 第33-40页 |
| 4.1 引言 | 第33页 |
| 4.2 方法总体思想与流程 | 第33-34页 |
| 4.3 遮挡相关特征描述及其提取方法 | 第34-36页 |
| 4.3.1 已有遮挡相关特征 | 第34-35页 |
| 4.3.2 八邻域有效深度差之和特征 | 第35-36页 |
| 4.4 基于图的半监督学习的遮挡边界检测方法 | 第36-39页 |
| 4.4.1 建立连通无向图 | 第36页 |
| 4.4.2 基于特征重要性加权计算样本间的相似性 | 第36-37页 |
| 4.4.3 利用调和函数实现基于图的半监督学习 | 第37-38页 |
| 4.4.4 遮挡检测算法描述 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 实验及分析 | 第40-53页 |
| 5.1 实验环境及数据集 | 第40页 |
| 5.2 结合表观、运动和边缘结构信息的遮挡边界检测方法实验分析 | 第40-44页 |
| 5.2.1 实验方案 | 第41页 |
| 5.2.2 实验比较与分析 | 第41-44页 |
| 5.3 基于图的半监督学习的遮挡边界检测方法实验分析 | 第44-52页 |
| 5.3.1 实验方案 | 第44-45页 |
| 5.3.2 实验比较与分析 | 第45-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |
