| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 超分辨率重建算法 | 第10-11页 |
| 1.2.2 运动目标检测技术 | 第11-13页 |
| 1.3 本文主要工作和章节安排 | 第13-15页 |
| 1.3.1 本文主要工作 | 第13-14页 |
| 1.3.2 本文章节安排 | 第14-15页 |
| 2 相关理论基础 | 第15-29页 |
| 2.1 深度图像的定义 | 第15-16页 |
| 2.2 被动测距传感 | 第16-18页 |
| 2.2.1 双目视觉法原理 | 第16-17页 |
| 2.2.2 立体匹配方法 | 第17-18页 |
| 2.3 主动测距传感 | 第18-22页 |
| 2.3.1 TOF相机 | 第18-20页 |
| 2.3.2 Kinect深度传感器 | 第20-22页 |
| 2.4 目标检测基本方法 | 第22-27页 |
| 2.4.1 光流法 | 第22-23页 |
| 2.4.2 帧差法 | 第23-25页 |
| 2.4.3 背景差分法 | 第25-27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 基于RGB图像辅助的深度图像超分辨率重建算法 | 第29-39页 |
| 3.1 RGB图像辅助的深度图像超分辨率重建算法概述 | 第29-30页 |
| 3.2 RGB图像辅助的二阶TGV深度图像超分辨率重建 | 第30-34页 |
| 3.2.1 问题描述 | 第30页 |
| 3.2.2 算法框架 | 第30-31页 |
| 3.2.3 小波变换取模 | 第31-32页 |
| 3.2.4 改进的二阶TGV正则项 | 第32-33页 |
| 3.2.5 算法实现 | 第33-34页 |
| 3.3 实验与分析 | 第34-37页 |
| 3.3.1 定性分析 | 第34-37页 |
| 3.3.2 定量分析 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 4 基于RGB-D数据Codebook算法的运动目标检测 | 第39-51页 |
| 4.1 方法概述 | 第39页 |
| 4.2 Codebook背景建模算法 | 第39-42页 |
| 4.2.1 Codebook模型背景建模 | 第40-41页 |
| 4.2.2 Codebook模型前景检测 | 第41-42页 |
| 4.3 基于RGB-D数据的Codebook背景建模改进算法 | 第42-45页 |
| 4.3.1 改进的Codebook算法(CB_(C&D)) | 第42-43页 |
| 4.3.2 后处理 | 第43-45页 |
| 4.4 实验与分析 | 第45-50页 |
| 4.4.1 实验设置 | 第45-46页 |
| 4.4.2 目标与背景距离相近 | 第46-48页 |
| 4.4.3 目标与背景颜色相近 | 第48-49页 |
| 4.4.4 光照突变 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 目标检测软件设计 | 第51-65页 |
| 5.1 行人计数方法 | 第51-54页 |
| 5.1.1 计数方法框架 | 第51-52页 |
| 5.1.2 计数方法实现 | 第52-54页 |
| 5.2 软件实现 | 第54-59页 |
| 5.2.1 开发工具介绍 | 第54-56页 |
| 5.2.2 模块设计 | 第56页 |
| 5.2.3 功能与界面 | 第56-59页 |
| 5.3 行人计数实验 | 第59-63页 |
| 5.3.1 行人计数功能测试 | 第60-62页 |
| 5.3.2 实验性能分析 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录 | 第75页 |
