| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·本文研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文内容与组织结构 | 第12-16页 |
| ·课题背景和研究内容 | 第12-15页 |
| ·论文结构 | 第15-16页 |
| 第2章 图像预处理技术 | 第16-25页 |
| ·图像形态学处理 | 第16-18页 |
| ·图像增强技术 | 第18-24页 |
| ·中值滤波算法分析 | 第19-20页 |
| ·高斯滤波算法分析 | 第20-21页 |
| ·双边滤波算法分析 | 第21-22页 |
| ·对高斯滤波进行边缘保留算法优化 | 第22-24页 |
| ·算法对比 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 运动目标提取 | 第25-32页 |
| ·运动目标提取算法 | 第25-28页 |
| ·帧间差分法提取运动目标 | 第25-26页 |
| ·背景差分法提取运动目标 | 第26-27页 |
| ·光流法提取运动目标 | 第27页 |
| ·一种改进的运动目标提取算法 | 第27-28页 |
| ·人体轮廓提取 | 第28-31页 |
| ·图像分割 | 第28-31页 |
| ·形态学处理 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 头部检测与跟踪 | 第32-54页 |
| ·ADABOOST 算法 | 第32-37页 |
| ·基于AdaBoost 统计学习方法的层叠分类器 | 第33-35页 |
| ·AdaBoost 算法流程 | 第35页 |
| ·AdaBoost 算法的收敛性 | 第35-37页 |
| ·基于ADABOOST算法的头部检测 | 第37-48页 |
| ·选取正、负样本集 | 第38-39页 |
| ·AdaBoost 训练算法优化 | 第39-42页 |
| ·训练生成分类器 | 第42-43页 |
| ·人头部检测 | 第43-44页 |
| ·试验数据统计及结果分析 | 第44-48页 |
| ·跟踪算法 | 第48-54页 |
| ·Mean-Shift 算法 | 第48-49页 |
| ·CamShift 算法及其在考场光照环境下的优化 | 第49-54页 |
| 第5章 作弊行为判定 | 第54-61页 |
| ·基于目标几何中心偏移量的作弊行为判定 | 第54-55页 |
| ·基于区域直方图变化的作弊行为判定 | 第55-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间发表论文与研究成果清单 | 第66-67页 |
| 致谢 | 第67页 |