| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 人脸五官定位技术研究背景 | 第9-10页 |
| 1.2 物体跟踪技术研究背景 | 第10-11页 |
| 1.3 在无辅助立体显示中五官定位的作用 | 第11-12页 |
| 1.4 本文的研究内容和创新点 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第2章 人脸候选区域的选择 | 第14-22页 |
| 2.1 基于肤色方式的候选区域选择 | 第14-20页 |
| 2.1.1 颜色空间选择 | 第14-17页 |
| 2.1.2 肤色区域的膨胀腐蚀以及人脸区域轮廓的选取 | 第17-20页 |
| 2.2 基于帧间差分的候选区域选择 | 第20-21页 |
| 2.3 两种算法优缺点比较 | 第21-22页 |
| 第3章 基于haar特征的五官定位 | 第22-33页 |
| 3.1 SVM算法介绍 | 第22-25页 |
| 3.2 SVM算法在回归分析中的应用 | 第25-29页 |
| 3.3 Adaboost+svm算法在瞳孔定位上的应用 | 第29-33页 |
| 第4章 基于ASM算法的五官定位 | 第33-53页 |
| 4.1 ASM算法介绍 | 第33-34页 |
| 4.2 ASM轮廓模型建立 | 第34-38页 |
| 4.3 ASM纹理模型建立 | 第38-41页 |
| 4.4 马氏距离与ASM搜索 | 第41-46页 |
| 4.5 马氏距离收敛与迭代次数的研究 | 第46-47页 |
| 4.6 马氏距离收敛与搜索步长的研究 | 第47-49页 |
| 4.7 实验结果以及在瞳孔定位的应用 | 第49-53页 |
| 第5章 物体跟踪算法的研究 | 第53-62页 |
| 5.1 基于Kalman算法的物体跟踪 | 第53-56页 |
| 5.1.1 Kalman算法简介 | 第53-55页 |
| 5.1.2 Kalman预测简单实现 | 第55-56页 |
| 5.2 基于Camshift算法的物体跟踪 | 第56-62页 |
| 5.2.1 Camshift算法简介 | 第56-59页 |
| 5.2.2 Camshift用于人脸跟踪 | 第59-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间科研成果 | 第69-70页 |