| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 主要研究内容 | 第8-9页 |
| 1.3 本文组织结构 | 第9-11页 |
| 第二章 人眼定位的关键技术 | 第11-23页 |
| 2.1 引言 | 第11-12页 |
| 2.2 人脸检测的主要方法 | 第12-16页 |
| 2.2.1 基于不变特征的方法 | 第13页 |
| 2.2.2 基于模板匹配的方法 | 第13-14页 |
| 2.2.3 基于统计理论的方法 | 第14-16页 |
| 2.3 人眼定位的典型方法 | 第16-19页 |
| 2.3.1 基于红外反射的方法 | 第16-17页 |
| 2.3.2 基于模板匹配的方法 | 第17页 |
| 2.3.3 基于外观统计的方法 | 第17-18页 |
| 2.3.4 基于灰度特征的方法 | 第18-19页 |
| 2.4 图像预处理 | 第19-22页 |
| 2.4.1 图像灰度化 | 第19-20页 |
| 2.4.2 直方图均衡化 | 第20页 |
| 2.4.3 图像二值化 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 单幅图像的人眼定位方法 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 人脸区域的检测与人眼区域截取 | 第23-27页 |
| 3.2.1 Haar Features 与积分图像 | 第23-24页 |
| 3.2.2 基于 Adaboost 分类器的人脸检测过程 | 第24-25页 |
| 3.2.3 人眼区域的截取 | 第25-27页 |
| 3.3 基于角点检测联合积分投影的人眼定位方法 | 第27-35页 |
| 3.3.1 角点检测算法概述 | 第28-29页 |
| 3.3.2 Harris 角点检测算法 | 第29-30页 |
| 3.3.3 基于角点检测人眼区域粗定位 | 第30-32页 |
| 3.3.4 基于积分投影算法的人眼区域精确定位 | 第32-34页 |
| 3.3.5 人眼检测结果及分析 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 视频环境下基于 CamShift 算法的人眼定位 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 视频环境下的人脸追踪算法 | 第37-44页 |
| 4.2.1 MeanShift 追踪算法概述 | 第37-42页 |
| 4.2.2 CamShift 追踪算法的流程 | 第42页 |
| 4.2.3 CamShift 追踪算法的改进和人脸追踪的实现 | 第42-44页 |
| 4.3 视频帧的人眼定位 | 第44-48页 |
| 4.3.1 人眼区域自适应二值化阈值处理方法的实现 | 第44-45页 |
| 4.3.2 算法实现及实验结果 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结束语 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
