首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Kinect深度图像的人体目标检测与跟踪算法研究

摘要第4-5页
ABSTRACT第5页
第一章 绪论第8-13页
    1.1 选题背景及意义第8-10页
    1.2 检测跟踪技术研究现状与发展趋势第10-12页
    1.3 本文主要工作及结构安排第12-13页
第二章 Kinect传感器介绍第13-20页
    2.1 Kinect简介第13-14页
    2.2 Kinect工作原理第14-15页
    2.3 Kinect SDK及技术架构第15-16页
    2.4 Kinect数据流概述第16-18页
        2.4.1 彩色图像数据第16-17页
        2.4.2 用户分割数据第17-18页
        2.4.3 深度图像数据第18页
    2.5 Kinect骨骼跟踪第18-19页
    2.6 本章小结第19-20页
第三章 基于深度图像的人体目标检测算法第20-41页
    3.1 预处理第20-22页
        3.1.1 平滑滤波第20页
        3.1.2 数学形态学滤波第20-22页
    3.2 传统的目标检测技术第22-26页
        3.2.1 图像差分法第23-24页
        3.2.2 光流法第24-25页
        3.2.3 背景减除法第25-26页
    3.3 混合高斯背景建模检测人体目标第26-35页
        3.3.1 单高斯背景模型第27-28页
        3.3.2 混合高斯背景模型第28-30页
        3.3.3 EM算法估计模型参数第30-31页
        3.3.4 模型初始化第31-32页
        3.3.5 模型匹配第32-33页
        3.3.6 模型更新第33-35页
    3.4 实验分析第35-38页
    3.5 混合高斯模型算法的改进第38-40页
    3.6 本章小结第40-41页
第四章 基于深度图像的人体目标跟踪算法第41-64页
    4.1 传统的人体目标跟踪技术第41-45页
        4.1.1 粒子滤波算法第42-43页
        4.1.2 卡尔曼滤波算法第43-45页
    4.2 CamShift算法跟踪人体目标第45-54页
        4.2.1 Canny算子边缘检测第46-48页
        4.2.2 基于核函数直方图的CamShift算法第48-50页
        4.2.3 基于概率分布图的CamShift算法第50-53页
        4.2.4 实验分析第53-54页
    4.3 Snake算法跟踪人体目标第54-61页
        4.3.1 SUSAN算子初始化目标轮廓第54-56页
        4.3.2 Snake模型能量函数第56-57页
        4.3.3 能量最小解第57-61页
    4.4 人体目标三维坐标第61-63页
    4.5 本章小结第63-64页
第五章 总结与展望第64-66页
    5.1 工作总结第64-65页
    5.2 展望第65-66页
参考文献第66-71页
发表论文和参加科研情况说明第71-72页
致谢第72-73页

论文共73页,点击 下载论文
上一篇:液压驱动双足机器人关键技术研究
下一篇:央视网信息安全平台建设规划及关键技术的设计与实现