| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状及发展趋势 | 第9-12页 |
| ·人脸检测国内外研究现状 | 第9页 |
| ·人脸跟踪技术的国内外研究现状 | 第9-11页 |
| ·发展趋势 | 第11-12页 |
| 第2章 课题研究内容与设计方案 | 第12-16页 |
| ·课题的主要研究内容 | 第12页 |
| ·设计方案 | 第12-15页 |
| ·视频数据的采集 | 第13页 |
| ·人脸检测模块 | 第13-14页 |
| ·人脸跟踪模块 | 第14-15页 |
| ·本文中的创新点 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第3章 平台构建 | 第16-30页 |
| ·硬件平台构建 | 第16-19页 |
| ·开发板资源 | 第16-17页 |
| ·OK6410 开发板 | 第17-19页 |
| ·USB 摄像头的选取 | 第19页 |
| ·软件平台构建 | 第19-27页 |
| ·Linux 简介 | 第20页 |
| ·宿主机交叉编译环境的搭建 | 第20-21页 |
| ·Boot Loader 的移植 | 第21-22页 |
| ·移植 Linux 内核 | 第22-24页 |
| ·根文件系统的制作 | 第24-26页 |
| ·Linux 系统测试 | 第26-27页 |
| ·开源函数库 OpenCV | 第27-29页 |
| ·OpenCV 函数库组成与体系结构 | 第27-28页 |
| ·OpenCV 函数库移植到嵌入式开发板 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于 AdaBoost 算法人脸检测的实现 | 第30-42页 |
| ·常用的面部检测方法 | 第30-31页 |
| ·基于面部特征分析的方法 | 第30页 |
| ·基于模板匹配的面部检测方法 | 第30-31页 |
| ·基于知识的面部检测方法 | 第31页 |
| ·基于统计学习的人脸检测方法 | 第31页 |
| ·AdaBoost 算法人脸检测的原理 | 第31-38页 |
| ·Haar-like 特征 | 第31-33页 |
| ·积分图计算 Haar-like 特征 | 第33-34页 |
| ·建立级联分类器 | 第34-38页 |
| ·人脸检测软件系统及测试 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第5章 基于 CamShift 人脸跟踪算法的原理 | 第42-52页 |
| ·颜色概率分布图和反向投影法 | 第42-43页 |
| ·Mean Shift（均值移动）算法 | 第43-45页 |
| ·CamShift 算法原理 | 第45-47页 |
| ·CamShift 算法的实现及结果分析 | 第47-50页 |
| ·改进的 CamShift 算法 | 第47-48页 |
| ·实验结果分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间所发表的论文 | 第60-62页 |
| 致谢 | 第62页 |