| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.1.1 课题的研究背景 | 第8页 |
| 1.1.2 课题的研究意义 | 第8-9页 |
| 1.2 课题国内外发展现状 | 第9-11页 |
| 1.2.1 国外发展现状 | 第9-10页 |
| 1.2.2 国内发展现状 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-13页 |
| 第二章 基本知识、理论及方法 | 第13-23页 |
| 2.1 远程教育系统的组成 | 第13-14页 |
| 2.2 图像预处理 | 第14-18页 |
| 2.2.1 图像灰度处理 | 第14-15页 |
| 2.2.2 图像平滑处理 | 第15-18页 |
| 2.3 人眼定位方法 | 第18-22页 |
| 2.3.1 基于几何特征的方法 | 第18-19页 |
| 2.3.2 基于模板匹配的方法 | 第19-20页 |
| 2.3.3 基于统计学习的方法 | 第20-21页 |
| 2.3.4 本文研究的人眼定位算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 人眼定位算法的仿真 | 第23-45页 |
| 3.1 平均合成精确滤波器的人眼定位 | 第23-27页 |
| 3.1.1 ASEF的原理 | 第23-25页 |
| 3.1.2 ASEF算法的人眼定位 | 第25-26页 |
| 3.1.3 实验结果与分析 | 第26-27页 |
| 3.2 LBP积分投影的人眼定位 | 第27-33页 |
| 3.2.1 LBP基本原理 | 第27-28页 |
| 3.2.2 LBP算子的演化 | 第28-29页 |
| 3.2.3 LBP特征提取 | 第29-30页 |
| 3.2.4 双向积分投影的眼睛定位 | 第30-32页 |
| 3.2.5 试验结果与分析 | 第32-33页 |
| 3.3 Adaboost的人眼定位 | 第33-43页 |
| 3.3.1 Adaboost算法基本知识 | 第33-38页 |
| 3.3.2 Adaboost分类器的训练 | 第38-42页 |
| 3.3.3 实验结果与分析 | 第42-43页 |
| 3.4 三种方法比较与分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 人眼定位算法的实现 | 第45-62页 |
| 4.1 开源计算机视觉库OpenCV | 第45-48页 |
| 4.1.1 OpenCV特点 | 第45页 |
| 4.1.2 OpenCV2.4.8+VS2010开发环境配置 | 第45-48页 |
| 4.2 基于OpenCV的Adaboost算法实现 | 第48-56页 |
| 4.2.1 图像预处理 | 第49-50页 |
| 4.2.2 Adaboost的人脸定位算法 | 第50-53页 |
| 4.2.3 Adaboost的人眼定位算法 | 第53-54页 |
| 4.2.4 人眼定位实现 | 第54-56页 |
| 4.3 实验结果与分析 | 第56-61页 |
| 4.3.1 图片集实验结果 | 第57-58页 |
| 4.3.2 模拟场景的实验结果 | 第58-60页 |
| 4.3.3 仿真结果分析 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录A 基于OpenCV的人眼定位算法程序 | 第65-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |