基于深度学习的鱼眼图像目标检测研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 鱼眼图像畸变矫正算法的国内外发展现状

1.3 基于深度学习的目标检测国内外研究现状

1.4 本文主要研究内容

2 鱼眼镜头的原理和标定

2.1 鱼眼镜头的结构

2.1.1 鱼眼镜头的介绍

2.1.2 坐标系介绍

2.1.3 畸变分类

2.2 鱼眼镜头的成像原理

2.2.1 球面投影模型

2.2.2 抛物面投影模型

2.2.3 多项式逼近模型

2.3 鱼眼镜头的标定

2.3.1 鱼眼镜头标定原理

2.3.2 摄像机外参数估计

2.3.3 摄像头内参数估计

2.4 鱼眼相机的标定

2.4.1 原理阐述

2.4.2 鱼眼相机标定的步骤

2.4.3 相机标定的结果

2.5 本章小结

3 基于低秩特性的鱼眼图像矫正

3.1 鱼眼图像畸变矫正的原理和过程

3.1.1 畸变矫正原理

3.1.2 畸变矫正过程

3.2 畸变矫正模型算法

3.2.1 多项式矫正模型

3.2.2 数学参数矫正模型

3.2.3 有限元模型分析法

3.3 基于低秩特性的鱼眼图像畸变矫正算法

3.3.1 最紧邻插值矫正原理

3.3.2 基于TILT 矫正

3.3.3 实验结果对比及分析

3.4 本章小结

4 基于改进YOLOv3 的鱼眼图像目标检测

4.1 目标检测数据集

4.1.1 公共数据集

4.1.2 自建数据集

4.2 YOLOv3 的网络目标检测原理

4.2.1 YOLOV3 网络结构

4.2.2 YOLOv3 训练及损失函数

4.3 改进检测网络

4.4 实验对比结果

4.5 本章小结

5 鱼眼镜头视觉监控系统

5.1 系统需求分析

5.2 系统整体设计

5.2.1 系统的检测流程设计

5.2.2 系统的架构设计

5.3 实验系统搭建

5.3.1 实验硬件平台

5.3.2 实验软件环境

5.3.3 目标检测的可视化界面

5.4 鱼眼视觉监控系统应用示例

5.4 本章小结

6 总结与展望

6.1 本文总结

6.2 工作展望

参考文献

个人简历、在学校期间发表的学术论文与研究成果

致谢