| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究动态 | 第9-10页 |
| ·人脸检测与跟踪研究难点 | 第10-11页 |
| ·开源计算机机器视觉库 | 第11-12页 |
| ·本文主要工作及结构安排 | 第12-15页 |
| 第二章 人脸检测与跟踪算法基础 | 第15-28页 |
| 引言 | 第15页 |
| ·AdaBoost算法基础 | 第15-19页 |
| ·Boosting算法原理 | 第15-16页 |
| ·Haar-like矩形特征 | 第16-19页 |
| ·CAMSHIFT算法基础 | 第19-21页 |
| ·颜色直方图 | 第19-21页 |
| ·MeanShift原理 | 第21页 |
| ·粒子滤波算法基础 | 第21-27页 |
| ·贝叶斯估计理论 | 第21-23页 |
| ·蒙特卡罗方法 | 第23-24页 |
| ·序贯重要性采样 | 第24-26页 |
| ·重采样技术 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第三章 基于改进AdaBoost的人脸检测算法 | 第28-41页 |
| 引言 | 第28页 |
| ·级联结构 | 第28-29页 |
| ·利用AdaBoost算法训练分类器 | 第29-36页 |
| ·构建弱分类器 | 第29-32页 |
| ·利用AdaBoost生成强分类器 | 第32-33页 |
| ·级联分类器 | 第33-36页 |
| ·仿真实验及实验结果 | 第36-40页 |
| ·仿真实验环境及实验内容 | 第36页 |
| ·仿真实验结果 | 第36-38页 |
| ·实验结果分析 | 第38-40页 |
| 本章小结 | 第40-41页 |
| 第四章 基于改进CAMSHIFT的人脸检测与跟踪算法研究 | 第41-49页 |
| 引言 | 第41页 |
| ·CAMSHIFT算法的基本原理 | 第41-42页 |
| ·基于AdaBoost的CAMSHIFT算法实现 | 第42-46页 |
| ·目标模板选取 | 第42页 |
| ·相似度度量 | 第42-43页 |
| ·候选目标选取 | 第43页 |
| ·人脸定位 | 第43-45页 |
| ·改进算法实现流程图 | 第45-46页 |
| ·算法分析 | 第46-48页 |
| ·仿真实验结果 | 第46-48页 |
| ·实验结果分析 | 第48页 |
| 本章小结 | 第48-49页 |
| 第五章 基于改进AdaBoost的实时鲁棒人脸检测与跟踪算法研究 | 第49-58页 |
| 引言 | 第49页 |
| ·粒子滤波算法的基本原理 | 第49-50页 |
| ·基于改进粒子滤波的人脸跟踪算法实现 | 第50-52页 |
| ·初始化目标模板及粒子集 | 第50页 |
| ·粒子滤波人脸检测算法流程图及说明 | 第50-52页 |
| ·本文所提出的算法的基本原理及流程 | 第52-54页 |
| ·初始设计的算法原理及流程 | 第52页 |
| ·改进后的算法原理及总体流程 | 第52-54页 |
| ·遮挡判定 | 第54-55页 |
| ·实验与结果分析 | 第55-57页 |
| ·实验结果 | 第55-56页 |
| ·实验结果与分析 | 第56-57页 |
| 本章小结 | 第57-58页 |
| 第六章 结论与下一步的工作 | 第58-59页 |
| ·结论 | 第58页 |
| ·论文下一步的工作 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |