| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸检测国内外研究现状 | 第12-13页 |
| 1.2.2 人眼检测国内外研究现状 | 第13-14页 |
| 1.2.3 目标追踪国内外研究现状 | 第14-15页 |
| 1.3 目前人眼检测研究存在的难点 | 第15页 |
| 1.4 系统性能评价标准 | 第15-16页 |
| 1.5 本论文章节安排 | 第16-17页 |
| 第二章 人脸检测原理和相关改进 | 第17-48页 |
| 2.1 肤色提取 | 第17-28页 |
| 2.1.1 静态肤色模型和动态肤色模型 | 第17-21页 |
| 2.1.2 肤色模型的选择 | 第21-23页 |
| 2.1.3 自适应Y空间下的改进肤色算法 | 第23-27页 |
| 2.1.4 基于肤色的人脸候选区域检测 | 第27-28页 |
| 2.2 AdaBoost人脸检测算法 | 第28-33页 |
| 2.2.1 Haar-Like特征与积分图 | 第28-31页 |
| 2.2.2 AdaBoost算法的训练 | 第31-32页 |
| 2.2.3 分类器的级联和检测 | 第32-33页 |
| 2.3 光照补偿 | 第33-41页 |
| 2.3.1 彩色图下的色温校正 | 第34-36页 |
| 2.3.2 灰度图下亮度补偿 | 第36-41页 |
| 2.4 基于肤色提取和AdaBoost的改进人脸检测 | 第41-47页 |
| 2.4.1 简单环境下改进的人脸检测 | 第42页 |
| 2.4.2 复杂环境下改进的人脸检测 | 第42-43页 |
| 2.4.3 改进算法的测试与结论 | 第43-47页 |
| 2.5 本章小结 | 第47-48页 |
| 第三章 人眼检测与追踪的原理和相关改进 | 第48-66页 |
| 3.1 人眼检测算法 | 第48-51页 |
| 3.1.1 基于灰度投影理论的方法 | 第48-50页 |
| 3.1.2 AdaBoost人眼检测算法 | 第50-51页 |
| 3.2 人眼追踪算法 | 第51-65页 |
| 3.2.1 经典的CamShift算法 | 第51-58页 |
| 3.2.2 KLT光流算法 | 第58-62页 |
| 3.2.3 基于AdaBoost与改进KLT的人眼追踪算法 | 第62-65页 |
| 3.3 本章小结 | 第65-66页 |
| 第四章 系统设计与实现 | 第66-74页 |
| 4.1 系统软硬件配置 | 第66-67页 |
| 4.2 系统总体结构 | 第67-68页 |
| 4.3 系统图形界面 | 第68-69页 |
| 4.4 系统功能模块设计 | 第69-72页 |
| 4.5 系统运行结果与分析 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 本论文工作的总结 | 第74页 |
| 5.2 本文的不足和展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |