鲁棒人脸跟踪系统关键技术的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和研究意义 | 第11页 |
| ·人脸跟踪算法研究现状 | 第11-16页 |
| ·快速人脸检测 | 第12-14页 |
| ·运动检测 | 第14-15页 |
| ·人脸跟踪 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 图像增强和阴影消除 | 第17-28页 |
| ·图像增强算法 | 第17-19页 |
| ·Retinex 模型 | 第17-18页 |
| ·Retinex 结构的变体 | 第18-19页 |
| ·阴影消除算法 | 第19-21页 |
| ·基于图像序列信息的阴影消除 | 第19-20页 |
| ·基于彩色信息的阴影消除 | 第20-21页 |
| ·两阶段阴影消除 | 第21-27页 |
| ·模糊阴影估计 | 第22-23页 |
| ·清晰阴影估计 | 第23-26页 |
| ·图像重建 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 快速人脸检测 | 第28-39页 |
| ·Adaboost 算法用于人脸检测 | 第28-31页 |
| ·Adaboost | 第28-29页 |
| ·特征 | 第29-31页 |
| ·级联分类器结构 | 第31页 |
| ·Boosting 特征的改进 | 第31-33页 |
| ·实值Boosting | 第33-35页 |
| ·实验结果 | 第35页 |
| ·本章小结 | 第35-39页 |
| 第四章 人脸跟踪算法 | 第39-53页 |
| ·在线实值Boosting | 第39-46页 |
| ·在线实值Boosting 训练算法 | 第41-43页 |
| ·使用特征 | 第43页 |
| ·训练结果 | 第43-46页 |
| ·跟踪 | 第46-52页 |
| ·粒子滤波器 | 第46-47页 |
| ·基于在线实值Boosting 的粒子滤波算法 | 第47-49页 |
| ·比较算法：均值移动 | 第49-50页 |
| ·人脸跟踪实验结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表论文 | 第59页 |
