| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 人脸检测方法 | 第11-13页 |
| 1.2.2 人脸跟踪方法 | 第13-14页 |
| 1.3 论文章节安排 | 第14-16页 |
| 第二章 Adaboost人脸检测算法 | 第16-26页 |
| 2.1 Adaboost算法提出 | 第16页 |
| 2.2 Adaboost算法基本原理 | 第16-17页 |
| 2.3 Adaboost算法数学描述 | 第17-18页 |
| 2.4 Haar-like特征及其计算 | 第18-21页 |
| 2.4.1 Haar-like特征 | 第18-20页 |
| 2.4.2 用积分图快速计算Haar-like特征 | 第20-21页 |
| 2.5 分类器的概念及其训练 | 第21-25页 |
| 2.5.1 弱分类器 | 第21-22页 |
| 2.5.2 强分类器及其训练 | 第22页 |
| 2.5.3 级联分类器 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 结合肤色分割的Adaboost人脸检测 | 第26-37页 |
| 3.1 颜色空间 | 第26-29页 |
| 3.2 肤色模型 | 第29-30页 |
| 3.3 肤色区域分割 | 第30-33页 |
| 3.3.1 光照补偿 | 第31页 |
| 3.3.2 肤色相似度计算 | 第31-32页 |
| 3.3.3 肤色二值化处理 | 第32-33页 |
| 3.3.4 形态学处理 | 第33页 |
| 3.4 肤色区域筛选 | 第33-34页 |
| 3.5 结合肤色分割的Adaboost人脸检测 | 第34-35页 |
| 3.6 实验结果及分析 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 CamShift人脸跟踪算法 | 第37-47页 |
| 4.1 直方图反向投影 | 第37-38页 |
| 4.2 Mean Shift算法 | 第38-44页 |
| 4.2.1 无参密度估计 | 第39页 |
| 4.2.2 核密度估计 | 第39-40页 |
| 4.2.3 基本的Mean Shift算法 | 第40-41页 |
| 4.2.4 扩展的Mean Shift算法 | 第41-42页 |
| 4.2.5 Mean Shift用于跟踪 | 第42-44页 |
| 4.3 CamShift算法 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 结合Kalman滤波的CamShift人脸跟踪 | 第47-55页 |
| 5.1 Kalman滤波原理 | 第47-49页 |
| 5.2 使用Kalman滤波器进行建模 | 第49-50页 |
| 5.3 结合Kalman滤波和CamShift的人脸跟踪算法 | 第50-52页 |
| 5.4 实验结果及分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 人脸检测与跟踪系统的实现 | 第55-71页 |
| 6.1 人脸检测与跟踪系统简介 | 第55页 |
| 6.2 开发环境搭建 | 第55-59页 |
| 6.3 人脸检测与跟踪系统实现 | 第59-70页 |
| 6.3.1 训练样本选取 | 第59-61页 |
| 6.3.2 分类器训练 | 第61-65页 |
| 6.3.3 人脸检测模块 | 第65-68页 |
| 6.3.4 人脸跟踪模块 | 第68-70页 |
| 6.4 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 总结 | 第71-72页 |
| 7.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
