1、目前，越來越多的應(yīng)用如幾何重建、碰撞檢測、混合現(xiàn)實(shí)、手勢識別等，都依賴于對三維場景準(zhǔn)確且快速的分析。通過基于圖像的分析或者激光掃描技術(shù)來獲取場景的深度圖，其代價(jià)高昂且十分耗時(shí)。作為距離測量中一種可替代的設(shè)備，深度相機(jī)擁有傳統(tǒng)的三維測量系統(tǒng)所不具備的一些優(yōu)點(diǎn)，如結(jié)構(gòu)小巧以及較高的拍攝速度等，對計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)、人機(jī)交互等領(lǐng)域帶來了重要影響。
　　 作為目前面世的深度相機(jī)中的一種，基于飛行時(shí)間原理的深度相機(jī)通過測量光線發(fā)射到

2、物體表面后反射回來的時(shí)間差，能夠?qū)崟r(shí)計(jì)算出物體表面的深度信息。但目前TOF深度相機(jī)的噪聲較大，所獲取的深度圖像的分辨率也較低。因此，研究解決TOF深度相機(jī)的去噪以及超分辨率問題，具有重要的實(shí)際意義。
　　 同時(shí)，TOF深度相機(jī)的成像速度較快。為了與之相協(xié)調(diào)，本文在研究面向TOF深度相機(jī)計(jì)算機(jī)視覺算法時(shí)，如馬爾科夫隨機(jī)場實(shí)時(shí)求解問題，對這些算法進(jìn)行了巧妙的設(shè)計(jì)以及優(yōu)化，以便利用GPU強(qiáng)大的計(jì)算性能進(jìn)行算法加速，最終使得算法的處理速

3、度與TOF深度相機(jī)的成像速度相協(xié)調(diào)。
　　 盡管TOF深度相機(jī)在許多領(lǐng)域得到了廣泛應(yīng)用，但在人體生物特征識別領(lǐng)域，TOF深度相機(jī)應(yīng)用報(bào)道相對較少。在深入研究TOF深度相機(jī)基礎(chǔ)算法之后，我們開發(fā)了一套基于TOF深度相機(jī)的人臉識別系統(tǒng)。與傳統(tǒng)的人臉識別系統(tǒng)相比較，開發(fā)的系統(tǒng)充分利用了人臉的三維信息，對環(huán)境中光線的變化也不敏感，具有較高的識別率和較好的魯棒性。同時(shí)，由于TOF深度相機(jī)獲取人臉的三維信息速度較快，開發(fā)的系統(tǒng)可以實(shí)時(shí)對人臉