基于检测与跟踪的人脸图像保护系统
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究的背景与意义 | 第13页 |
| ·目前国内外的研究情况 | 第13-17页 |
| ·人脸隐私保护的国内外研究情况 | 第13-15页 |
| ·人脸检测的研究情况 | 第15-16页 |
| ·人脸跟踪的研究情况 | 第16-17页 |
| ·人脸加密的研究情况 | 第17页 |
| ·论文的主要工作和各章内容安排 | 第17-19页 |
| 第二章 基于肤色模型的人脸检测 | 第19-28页 |
| 引言 | 第19页 |
| ·色彩空间的综述 | 第19-20页 |
| ·图像预处理 | 第20-21页 |
| ·光线补偿 | 第20-21页 |
| ·肤色建模 | 第21-25页 |
| ·非线性分段色彩变换的YCbCr聚类模型 | 第22-23页 |
| ·YCbCr空间直接聚类模型 | 第23-25页 |
| ·肤色区域分割与人脸初步验证 | 第25-26页 |
| ·人脸检测实验结果 | 第26-27页 |
| ·本章总结 | 第27-28页 |
| 第三章 视频流中实时人脸检测 | 第28-44页 |
| ·概述 | 第28页 |
| ·AdaBoost人脸检测算法的特征 | 第28-32页 |
| ·特征的表示与计算 | 第30-31页 |
| ·检测器内特征的个数 | 第31-32页 |
| ·训练分类器 | 第32-37页 |
| ·训练样本的预处理 | 第32-33页 |
| ·Adaboost学习算法 | 第33-34页 |
| ·基于矩形特征的弱分类器 | 第34页 |
| ·强分类器 | 第34-35页 |
| ·级联分类器的构成 | 第35-37页 |
| ·基于Adaboost多层级联分类器的人脸检测 | 第37-39页 |
| ·检测方法 | 第37页 |
| ·检测结果的合并 | 第37-38页 |
| ·Adaboost级联分类器实验结果 | 第38-39页 |
| ·改进的Bayes特征分类器人脸验证 | 第39-42页 |
| ·Bayes分类器的特征 | 第39页 |
| ·Bayes分类器的训练 | 第39-40页 |
| ·基于Bayes分类器的人脸测试 | 第40页 |
| ·Bayes分类器的特征改进 | 第40-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小节 | 第43-44页 |
| 第四章 人脸跟踪 | 第44-56页 |
| ·Kalman滤波器 | 第44-47页 |
| ·卡尔曼预测初始条件的确定 | 第45-46页 |
| ·卡尔曼滤波器性能实验 | 第46-47页 |
| ·人脸跟踪算法 | 第47-55页 |
| ·匹配特征介绍 | 第47-48页 |
| ·遮挡问题概述 | 第48-51页 |
| ·目标消失的判断 | 第51-53页 |
| ·多人脸跟踪整体算法 | 第53-54页 |
| ·实验结果 | 第54-55页 |
| ·本章小节 | 第55-56页 |
| 第五章 人脸的选择性加密保护 | 第56-64页 |
| ·H.264编码标准简介 | 第56-57页 |
| ·基于RC残差系数和CABAC的人脸加密编码 | 第57-59页 |
| ·CABAC编码 | 第57页 |
| ·残差系数的同步编码与加密 | 第57-58页 |
| ·编码与加密实验结果分析 | 第58-59页 |
| ·人脸保护系统 | 第59-63页 |
| ·系统的基本软硬件 | 第59-60页 |
| ·系统功能子模块与框图 | 第60-61页 |
| ·用户界面 | 第61-62页 |
| ·系统性能分析及进一步改进 | 第62-63页 |
| ·总结 | 第63-64页 |
| 第六章 总结与展望 | 第64-70页 |
| ·本文主要工作 | 第64页 |
| ·对未来工作的展望 | 第64-70页 |
| 攻读硕士学习期间论文情况 | 第70页 |
| 硕士学习期间参加课题情况 | 第70页 |
