檢測(cè)系統(tǒng)論文客流檢測(cè)系統(tǒng)論文目標(biāo)跟蹤算法論文-基于雙目視覺(jué)的客流檢測(cè)與跟蹤技術(shù)的研究

1、檢測(cè)系統(tǒng)論文客流檢測(cè)系統(tǒng)論文目標(biāo)跟蹤算法論文基于雙目視覺(jué)的客流檢測(cè)與跟蹤技術(shù)的研究 【摘要】： 客流檢測(cè)與跟蹤技術(shù)是客流檢測(cè)系統(tǒng)的核心內(nèi)容。隨著現(xiàn)在商業(yè)決策的科學(xué)化和城市公共活動(dòng)的增多,現(xiàn)代生活對(duì)自動(dòng)化的客流檢測(cè)系統(tǒng)的需求越來(lái)越迫切,能夠準(zhǔn)確的客流檢測(cè)與跟蹤技術(shù)成為了亟待解決的問(wèn)題。本文針對(duì)上述問(wèn)題,結(jié)合立體視覺(jué)技術(shù),對(duì)基于雙目視覺(jué)的客流檢測(cè)與跟蹤技術(shù)進(jìn)行了研究。 本文對(duì)客流檢測(cè)與跟蹤涉及的問(wèn)題進(jìn)行了深入的研究,采用了基于稀疏特征的對(duì)行人進(jìn)行檢測(cè)與跟蹤的方法。本文對(duì)客流進(jìn)行檢測(cè)和跟蹤的方法包含的算法單元有:特征的檢測(cè)、雙目間的特征匹配、空間點(diǎn)的重建、空間點(diǎn)的聚類和跟蹤。本文采用Har

2、ris角點(diǎn)作為特征,因?yàn)镠arris角點(diǎn)是一種顯著特征,可以保證匹配的準(zhǔn)確性。本文還采用了基于區(qū)域的特征匹配方法,使用NCC作為圖像區(qū)域相似度的衡量標(biāo)準(zhǔn),然后通過(guò)對(duì)得到的NCC值擬合曲線的方法獲取亞像素精度的視差。在獲得了視差之后,本文結(jié)合相機(jī)的內(nèi)部參數(shù)和外部參數(shù)計(jì)算特征點(diǎn)對(duì)應(yīng)的空間點(diǎn)的三維坐標(biāo),將三維坐標(biāo)轉(zhuǎn)換到利于檢測(cè)行人位置的世界坐標(biāo)系下。本文還針對(duì)客流檢測(cè)和跟蹤的任務(wù)對(duì)mean shift方法進(jìn)行了改良,在核函數(shù)中加入了方向參數(shù),使mean shift方法更適合對(duì)客流進(jìn)行檢測(cè)和跟蹤。在文章的最后,展示了使用本文的方法對(duì)客流進(jìn)行檢測(cè)和跟蹤的效果,證明了本方法可以有效地檢測(cè)和跟蹤客流?！娟P(guān)鍵

3、詞】：雙目視覺(jué) 角點(diǎn)檢測(cè) 特征匹配 三維重建 Mean shift方法 客流檢測(cè) 目標(biāo)跟蹤 【學(xué)位授予單位】：上海交通大學(xué)【學(xué)位級(jí)別】：碩士【學(xué)位授予年份】：2009【作者】：潘浩【索取全文】Q聯(lián)系Q：138113721 Q聯(lián)系Q:139938848【目錄】： · 摘要5-6· ABSTRACT6-8· 目錄8-10· 第一章 緒論10-16· 1.1 本文的意義10-11· 1.2 計(jì)算機(jī)視覺(jué)11-13· 1.3 立體視覺(jué)技術(shù)13-14· 1.4 研究?jī)?nèi)容和結(jié)構(gòu)安排14-16· 第二章 特征的提取與匹配

4、16-27· 2.1 引言16· 2.2 特征的匹配16-20· 基于區(qū)域的匹配16-18· 基于圖元的匹配18· 基于頻域的匹配18-20· 2.3 特征的提取20-24· Harris 角點(diǎn)檢測(cè)方法20-22· Susan 角點(diǎn)檢測(cè)法22-24· 2.4 本文中的特征匹配24-26· 2.5 本章小結(jié)26-27· 第三章 空間坐標(biāo)的計(jì)算27-38· 3.1 引言27· 3.2 相機(jī)模型27-29· 3.3 對(duì)極幾何和基礎(chǔ)矩陣29-32· 對(duì)極

5、幾何和基礎(chǔ)矩陣29-31· 基礎(chǔ)矩陣的計(jì)算31-32· 3.4 相機(jī)的平面標(biāo)定法32-34· 3.5 本文中三維結(jié)構(gòu)的獲取34-36· 3.6 本章小結(jié)36-38· 第四章 特征點(diǎn)的聚類38-50· 4.1 引言38· 4.2 聚類算法簡(jiǎn)介38-39· 4.3 常用聚類算法39-44· 順序聚類方法39-41· K-means 聚類41-44· 4.4 基于MEAN SHIFT 的聚類方法44-49· Mean shift 方法44-46· Mean shift 方

6、法的核函數(shù)46-47· Mean shift 作為聚類方法47-49· 4.5 本章小結(jié)49-50· 第五章 行人的檢測(cè)和跟蹤50-54· 5.1 引言50· 5.2 行人的檢測(cè)50-52· 擴(kuò)展的mean shift 方法50-52· 擴(kuò)展的核函數(shù)52· 5.3 對(duì)行人的跟蹤52-53· 5.4 本章小結(jié)53-54· 第六章 實(shí)驗(yàn)結(jié)果與分析54-60· 6.1 引言54· 6.2 實(shí)驗(yàn)的軟硬件54-55· 6.3 實(shí)驗(yàn)過(guò)程和結(jié)果55-59· 6.4 實(shí)驗(yàn)結(jié)果分析59· 6.5 本章小結(jié)59-60· 第七章 總結(jié)與展望60-62· 7.1 工作總結(jié)60-61· 7.2 研究展望61-62· 參考文獻(xiàn)62-65中國(guó)學(xué)術(shù)網(wǎng)提供論文文獻(xiàn)、論文寫(xiě)作和論文發(fā)表服務(wù) 客服Q