| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 人体检测的技术难点 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 基于彩色图像的人体检测 | 第12-13页 |
| 1.3.2 基于深度图像的人体检测 | 第13页 |
| 1.3.3 彩色与深度图像的融合检测 | 第13-14页 |
| 1.4 本文的研究工作与组织结构 | 第14-17页 |
| 1.4.1 本文研究工作 | 第14-15页 |
| 1.4.2 本文组织结构 | 第15-17页 |
| 2 Kinect深度图像获取与预处理 | 第17-28页 |
| 2.1 深度图像测量技术 | 第17页 |
| 2.2 Kinect概述 | 第17-20页 |
| 2.2.1 Kinect硬件组成 | 第18-19页 |
| 2.2.2 Kinect深度图像成像原理 | 第19-20页 |
| 2.3 深度图像的获取 | 第20-23页 |
| 2.3.1 深度信息的获取 | 第20-21页 |
| 2.3.2 深度图像的伪灰度表示及彩色渲染 | 第21-23页 |
| 2.4 深度空间与彩色空间的坐标转换 | 第23-24页 |
| 2.5 图像预处理 | 第24-27页 |
| 2.5.1 噪声来源 | 第24-25页 |
| 2.5.2 图像滤波 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 样本库的建立及分类器设计 | 第28-43页 |
| 3.1 样本库的建立 | 第28-37页 |
| 3.1.1 彩色训练样本库的建立 | 第28-31页 |
| 3.1.2 深度训练样本库的建立 | 第31-33页 |
| 3.1.3 测试样本库的建立 | 第33-37页 |
| 3.2 分类器设计 | 第37-41页 |
| 3.3 分类器评价及ROC曲线 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 特征提取算法 | 第43-64页 |
| 4.1 HOG算法及原理 | 第43-45页 |
| 4.2 LBP特征算法及其原理 | 第45-49页 |
| 4.2.1 LBP基本原理 | 第45-47页 |
| 4.2.2 旋转不变性LBP | 第47-48页 |
| 4.2.3 等价模式LBP | 第48-49页 |
| 4.3 HOG-LBP特征算法 | 第49页 |
| 4.4 基于金字塔尺度空间理论的改进特征提取算法 | 第49-53页 |
| 4.4.1 金字塔尺度空间理论 | 第49-50页 |
| 4.4.2 分层梯度局部二值模式PLBP | 第50-51页 |
| 4.4.3 分层梯度方向直方图PHOG | 第51-52页 |
| 4.4.4 分层梯度HOG-LBP | 第52-53页 |
| 4.5 实验对比及结果分析 | 第53-63页 |
| 4.5.1 LBP与PLBP对比分析 | 第53-57页 |
| 4.5.2 HOG与PHOG对比分析 | 第57-58页 |
| 4.5.3 HOG-LBP、PHOG-LBP及HOG-PLBP对比分析 | 第58-61页 |
| 4.5.4 特征算法间的综合对比分析 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 5 基于DT算法的彩色深度融合检测 | 第64-78页 |
| 5.1 分类器融合概述 | 第64-66页 |
| 5.2 DT融合算法 | 第66-68页 |
| 5.2.1 决策轮廓与决策模板 | 第66-67页 |
| 5.2.2 DT算法的相似度评价 | 第67-68页 |
| 5.3 滑动窗口检测 | 第68-69页 |
| 5.4 彩色及深度图像视场的校准 | 第69-72页 |
| 5.5 实验结果分析 | 第72-77页 |
| 5.6 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 论文工作总结 | 第78-79页 |
| 6.2 未来工作展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表论文及科研成果 | 第84-85页 |
| 致谢 | 第85页 |