| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 绪论 | 第10-17页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·国内外研究状况 | 第11-12页 |
| ·人脸检测与跟踪的难点 | 第12-13页 |
| ·计算机机器视觉库OpenCV | 第13-14页 |
| ·主要研究内容及章节安排 | 第14-17页 |
| 2. 人脸检测和跟踪的主要方法 | 第17-28页 |
| ·人脸检测的方法 | 第17-23页 |
| ·基于肤色的检测方法 | 第18-21页 |
| ·基于启发式模型的方法 | 第21-23页 |
| ·基于统计模型方法 | 第23页 |
| ·人脸跟踪的方法 | 第23-27页 |
| ·基于特征检测方法的人脸跟踪 | 第24-25页 |
| ·基于模型的人脸跟踪 | 第25-26页 |
| ·基于贝叶斯滤波的人脸跟踪 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3. 基于 AdaBoost 算法的人脸检测 | 第28-40页 |
| ·Boosting 算法 | 第28-29页 |
| ·AdaBoost 算法 | 第29-30页 |
| ·AdaBoost 算法应用于人脸检测 | 第30-36页 |
| ·Haar 矩形特征 | 第31-34页 |
| ·基于离散AdaBoost 的特征选择 | 第34-35页 |
| ·级联分类器结构 | 第35-36页 |
| ·实验结果 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 4.M ean Shift 理论 | 第40-55页 |
| ·密度估计理论 | 第40-42页 |
| ·参数密度估计 | 第40-41页 |
| ·无参密度估计 | 第41-42页 |
| ·基本Mean Shift 理论 | 第42-43页 |
| ·多变量核函数下的Mean Shift 理论 | 第43-45页 |
| ·Mean Shift 算法在目标跟踪方面的应用 | 第45-46页 |
| ·改进的Camshift 算法的人脸跟踪 | 第46-51页 |
| ·基于Kalman 滤波原理的CanShift 算法 | 第49-51页 |
| ·基于AdaBoost 检测原理的Camshift 算法 | 第51页 |
| ·实验结果 | 第51-54页 |
| ·实验一 | 第51-53页 |
| ·实验二 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5. 粒子滤波 | 第55-71页 |
| ·贝叶斯滤波原理 | 第55-57页 |
| ·蒙特卡罗方法 | 第57-59页 |
| ·粒子滤波基本原理 | 第59-61页 |
| ·贝叶斯重要性采样 | 第59-60页 |
| ·序列重要性采样 | 第60-61页 |
| ·粒子滤波算法的重要问题 | 第61-62页 |
| ·粒子滤波算法目标跟踪中的应用 | 第62页 |
| ·改进的粒子滤波算法的目标跟踪 | 第62-65页 |
| ·实验结果与分析 | 第65-70页 |
| ·实验一 | 第65-67页 |
| ·实验二 | 第67-69页 |
| ·实验三 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 6. 总结与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |