| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11页 |
| ·课题研究背景与意义 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·人脸检测研究现状 | 第13-15页 |
| ·人脸跟踪研究现状 | 第15页 |
| ·本文研究内容 | 第15-16页 |
| ·本文结构介绍 | 第16-17页 |
| 第二章 人脸检测及跟踪方法综述 | 第17-26页 |
| ·人脸特征 | 第17-19页 |
| ·基本特征 | 第17-18页 |
| ·肤色特征 | 第18-19页 |
| ·运动特征 | 第19页 |
| ·人脸检测技术 | 第19-22页 |
| ·概述 | 第19-20页 |
| ·基于知识的方法 | 第20-21页 |
| ·模板匹配方法 | 第21页 |
| ·基于外观形状的方法 | 第21-22页 |
| ·基于特征的方法 | 第22页 |
| ·人脸跟踪技术 | 第22-26页 |
| ·概述 | 第22-24页 |
| ·基于人脸检测的人脸跟踪方法 | 第24页 |
| ·基于运动目标跟踪的人脸跟踪方法 | 第24-26页 |
| 第三章 基于直方图统计学习的人脸检测 | 第26-48页 |
| ·检测器决策规则 | 第26-28页 |
| ·检测器原理 | 第28-33页 |
| ·分类器特征 | 第28-30页 |
| ·分类器小波特征及量化参数计算 | 第30-33页 |
| ·特征数量 | 第33页 |
| ·训练分类器 | 第33-38页 |
| ·训练样本 | 第33-34页 |
| ·训练算法 | 第34-37页 |
| ·检测器阈值处理 | 第37-38页 |
| ·预处理算法 | 第38-42页 |
| ·光照补偿 | 第38-39页 |
| ·肤色颜色空间 | 第39-40页 |
| ·肤色区域分割 | 第40-41页 |
| ·肤色区域合并 | 第41-42页 |
| ·去除误检区域 | 第42页 |
| ·视频检测与跟踪应用 | 第42-45页 |
| ·检测与跟踪框架 | 第42-43页 |
| ·背景差分 | 第43-44页 |
| ·肤色分割 | 第44页 |
| ·前帧参考 | 第44-45页 |
| ·实验结果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于ADABOOST 和MEAN-SHIFT 的实时人脸检测与跟踪. | 第48-68页 |
| ·基于HAAR-LIKE 特征的人脸检测算法 | 第48-53页 |
| ·特征提取 | 第48-49页 |
| ·积分图 | 第49-50页 |
| ·分类构造 | 第50-53页 |
| ·结合MEAN-SHIFT 目标跟踪和KALMAN 滤波的人脸跟踪算法 | 第53-61页 |
| ·Mean-Shift 人脸跟踪算法 | 第54-58页 |
| ·目标模型更新 | 第58-61页 |
| ·跟踪中的人脸姿态估计 | 第61-63页 |
| ·监督流形学习方法 | 第61-62页 |
| ·人脸姿态估计实验 | 第62-63页 |
| ·实验结果 | 第63-67页 |
| ·结论 | 第67-68页 |
| 第五章 总结与展望 | 第68-71页 |
| ·对本文的总结 | 第68-69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间发表的论文 | 第75页 |