视频序列中的人脸检测与跟踪
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景和意义 | 第10-11页 |
| ·人脸检测与跟踪的研究现状与研究难点 | 第11-12页 |
| ·人脸检测及跟踪的研究现状 | 第11页 |
| ·人脸检测及跟踪的研究难点 | 第11-12页 |
| ·本文的主要工作及内容安排 | 第12-14页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的章节安排 | 第13-14页 |
| 第二章 人脸检测与跟踪技术综述 | 第14-22页 |
| ·人脸检测的主要算法 | 第14-18页 |
| ·基于几何特征的方法 | 第14-15页 |
| ·基于肤色模型的方法 | 第15-16页 |
| ·基于统计理论的方法 | 第16-18页 |
| ·人脸跟踪的主要算法 | 第18-22页 |
| ·基于特征匹配的跟踪 | 第19页 |
| ·基于区域匹配的跟踪 | 第19-20页 |
| ·基于模型匹配的跟踪 | 第20-22页 |
| 第三章 静态图像中的人脸检测 | 第22-48页 |
| ·引言 | 第22页 |
| ·光照补偿 | 第22-24页 |
| ·肤色区域分割 | 第24-33页 |
| ·肤色模型概述 | 第25-28页 |
| ·数学形态学运算 | 第28-31页 |
| ·肤色区域提取与分割 | 第31-33页 |
| ·彩色图像中的人脸检测 | 第33-37页 |
| ·眼睛的检测 | 第33-34页 |
| ·嘴唇的检测 | 第34-35页 |
| ·人脸的判定 | 第35页 |
| ·仿真结果及分析 | 第35-37页 |
| ·灰度图像中的人脸检测 | 第37-46页 |
| ·基于先验知识的灰度检验 | 第37-38页 |
| ·基于PCA 方法的人脸检测 | 第38-41页 |
| ·基于数学形态学的人脸检测 | 第41-43页 |
| ·仿真结果及分析 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 视频序列中的人脸跟踪 | 第48-70页 |
| ·引言 | 第48-49页 |
| ·贝叶斯滤波原理 | 第49-50页 |
| ·蒙特卡罗方法 | 第50-51页 |
| ·粒子滤波器 | 第51-55页 |
| ·贝叶斯重要性采样（BIS） | 第51-52页 |
| ·序列重要性采样（SIS） | 第52-54页 |
| ·退化现象 | 第54-55页 |
| ·粒子滤波在视频序列人脸跟踪中的应用 | 第55-65页 |
| ·系统动态模型设计 | 第55-56页 |
| ·系统观测模型设计 | 第56-60页 |
| ·目标位置的确定 | 第60-61页 |
| ·重采样 | 第61-62页 |
| ·算法结构 | 第62-63页 |
| ·仿真结果及分析 | 第63-65页 |
| ·视频序列人脸检测与跟踪软件系统设计 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 在学期间的研究成果 | 第75-76页 |
