| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景和意义 | 第8页 |
| ·国内外研究现状 | 第8-13页 |
| ·人脸检测方法综述 | 第8-9页 |
| ·人脸跟踪方法综述 | 第9-13页 |
| ·基于人脸检测的方法 | 第9-11页 |
| ·基于识别的跟踪方法 | 第11页 |
| ·基于贝叶斯滤波的方法 | 第11-13页 |
| ·论文的主要工作及结构安排 | 第13-14页 |
| 第二章 基于肤色与改进 Adaboost 的人脸检测算法 | 第14-29页 |
| ·肤色检测技术 | 第14-17页 |
| ·RGB 模型 | 第14-16页 |
| ·HSI 色彩空间 | 第16-17页 |
| ·YCbCr 颜色空间模型 | 第17页 |
| ·Adaboost 算法 | 第17-24页 |
| ·Boosting 算法 | 第17-18页 |
| ·Adaboost 算法的过程 | 第18-20页 |
| ·矩形特征 | 第20-22页 |
| ·积分图 | 第22-23页 |
| ·弱分类器的选取 | 第23-24页 |
| ·级联分类器的构造 | 第24页 |
| ·Adaboost 算法的改进 | 第24-26页 |
| ·实验结果及其分析及总结 | 第26-29页 |
| 第三章 粒子滤波的理论知识及实现 | 第29-47页 |
| ·概述 | 第29页 |
| ·贝叶斯状态估计 | 第29-33页 |
| ·贝叶斯估计 | 第29-30页 |
| ·贝叶斯意义下的状态估计 | 第30-33页 |
| ·卡尔曼滤波器 | 第33-36页 |
| ·经典卡尔曼滤波 | 第34页 |
| ·扩展卡尔曼滤波与 Unscented 卡尔曼滤波 | 第34-36页 |
| ·粒子滤波理论 | 第36-40页 |
| ·蒙特卡洛方法 | 第36-37页 |
| ·重要性采样 | 第37-40页 |
| ·建议分布的选择 | 第40页 |
| ·粒子滤波的观测模型 | 第40-41页 |
| ·粒子滤波的实现及其在人脸跟踪中的应用 | 第41-44页 |
| ·粒子滤波在人脸跟踪中的实现 | 第44-47页 |
| 第四章 融合颜色和轮廓以及改进 GM（1,1）的粒子滤波人脸跟踪 | 第47-68页 |
| ·粒子滤波算法 | 第47-48页 |
| ·跟踪线索 | 第48-52页 |
| ·颜色 | 第48-50页 |
| ·轮廓特征 | 第50-52页 |
| ·灰预测 GM（1,1）模型 | 第52-53页 |
| ·传统的 GM（1,1）模型 | 第52-53页 |
| ·GM（1,1）模型初值的修订 | 第53页 |
| ·融合颜色和轮廓及 GM（1,1）的灰预测的改进粒子滤波人脸跟踪实现 | 第53-56页 |
| ·建议分布的产生 | 第53-54页 |
| ·跟踪线索的确定的计算 | 第54页 |
| ·重要性采样 | 第54页 |
| ·本文算法的具体实现描述 | 第54-56页 |
| ·实验结果及分析 | 第56-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
