声明
摘要
1 绪论
1.1 计算机视觉概述
1.2 视频跟踪的应用
1.3 国内外研究现状
1.4 本论文的研究内容和结构安排
2 深度图像介绍
2.1 常用深度图像获取技术
2.2 Kinect介绍
2.2.1 Kinect的发展史
2.2.2 Kinect的硬件装置
2.2.3 Kinect深度图像的生成原理
2.2.4 Kinect工具
2.3 深度信息与实际距离的转换
2.4 本章小结
3 基于深度图像的前景提取和人头检测
3.1 深度图像的预处理
3.1.1 深度图像配准
3.1.2 深度图像滤波
3.1.3 深度图像的形态学操作
3.2 深度图像人头检测跟踪讨论
3.2.1 最优贝叶斯估计
3.2.2 重要性采样(SIS)算法
3.2.3 深度图像检测跟踪算法研究
3.3 前景提取
3.3.1 帧间差分法
3.3.2 背景差法
3.3.3 深度图像提取前景
3.3.4 深度图像前景提取法参数的设定
3.4 前景提取比较分析
3.5 人头检测
3.5.1 Harr特征
3.5.2 Adaboost算法
3.5.3 弱分类器的训练及选取
3.5.4 强分类器
3.5.5 级联分类器
3.6 分类器训练过程
3.7 本章小结
4 多特征目标跟踪算法
4.1 位置信息
4.2 稀疏表示特征
4.3 人头跟踪
4.4 实验结果和讨论
4.4.1 参数的设置和分析
4.4.2 基于数据统计的结果分析
4.4.3 基于视频序列的结果分析
4.5 本章小结
5 总结与展望
5.1 本文主要工作
5.2 展望
参考文献
附录A 实验编程环境的搭建
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;