基于OpenCV的人脸跟踪识别系统研究
摘要 | 第1-4页 |
Abstract | 第4-7页 |
第一章 绪论 | 第7-13页 |
·选题背景 | 第7-8页 |
·人脸跟踪识别国内外研究进展 | 第8-9页 |
·相关理论基础与应用领域 | 第9-11页 |
·理论基础 | 第9-10页 |
·应用领域 | 第10-11页 |
·本文研究工作概述 | 第11-13页 |
第二章 人脸检测识别方法 | 第13-31页 |
·人脸检测方法概述 | 第13-19页 |
·基于特征分析的人脸检测方法 | 第14-16页 |
·基于统计的人脸检测方法 | 第16-17页 |
·本文采用的人脸检测方法—Adaboost | 第17-19页 |
·人脸识别方法概述 | 第19-29页 |
·几种常用识别方法 | 第20-23页 |
·本文采用的人脸识别方法—Eigenface算法 | 第23-29页 |
·人脸检测难点及性能评估准则 | 第29-30页 |
·本章小结 | 第30-31页 |
第三章 人脸跟踪算法 | 第31-41页 |
·几种常用的人脸跟踪算法 | 第31-33页 |
·本文采用的人脸跟踪方法—Camshift | 第33-40页 |
·图像的颜色概率分布图与反向投影图 | 第34-35页 |
·Mean Shift算法 | 第35-36页 |
·Camshift算法 | 第36-38页 |
·算法实现流程及结果分析 | 第38-40页 |
·本章小结 | 第40-41页 |
第四章 人脸跟踪识别算法的研究和系统的构建 | 第41-61页 |
·识别算法改进方案 | 第41-48页 |
·分块PCA原理 | 第41-44页 |
·分块方法选择 | 第44-45页 |
·分块实验结果 | 第45-48页 |
·跟踪算法改进方案 | 第48-59页 |
·自动初始化人脸跟踪窗口 | 第48-49页 |
·利用形态学处理增强肤色信息 | 第49-51页 |
·建立多个Camshift跟踪器 | 第51-52页 |
·更新跟踪目标条件 | 第52-55页 |
·多人脸跟踪实验结果 | 第55-59页 |
·本章小结 | 第59-61页 |
第五章 基于OpenCV的人脸跟踪识别系统的实现 | 第61-69页 |
·OpenCV简介及在本系统中的使用方法 | 第61-62页 |
·人脸跟踪识别系统的实现 | 第62-66页 |
·人脸跟踪识别系统的软件实现 | 第66-68页 |
·本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
致谢 | 第71-73页 |
参考文献 | 第73-78页 |