| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究内容与目标 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 人脸检测与跟踪方法 | 第14-23页 |
| ·人脸检测技术研究 | 第14-17页 |
| ·基于知识的方法 | 第14-15页 |
| ·基于特征的方法 | 第15页 |
| ·基于模板匹配的方法 | 第15-16页 |
| ·基于统计学习的方法 | 第16-17页 |
| ·人脸跟踪技术研究 | 第17-20页 |
| ·基于区域匹配的方法 | 第18-19页 |
| ·基于特征匹配的方法 | 第19页 |
| ·基于模型匹配的方法 | 第19-20页 |
| ·人脸检测与跟踪技术中的难点和挑战 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于视频的人脸检测算法 | 第23-44页 |
| ·基于肤色检测的人脸检测 | 第23-32页 |
| ·光照补偿 | 第23-24页 |
| ·色彩空间转换 | 第24-25页 |
| ·肤色模型建立 | 第25-28页 |
| ·肤色区域分割 | 第28-29页 |
| ·肤色区域筛选 | 第29-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·基于 ADABOOST 的人脸检测 | 第32-40页 |
| ·Haar-like 特征 | 第32-33页 |
| ·积分图 | 第33-34页 |
| ·算法训练 | 第34-36页 |
| ·分类器的级联 | 第36-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·肤色检测和 ADABOOST 结合的人脸检测算法 | 第40-43页 |
| ·算法流程 | 第40页 |
| ·实验结果及分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于视频的人脸跟踪算法 | 第44-78页 |
| ·MEAN SHIFT 算法 | 第44-50页 |
| ·算法基本原理 | 第44-47页 |
| ·Mean Shift 目标跟踪算法 | 第47-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·CAMSHIFT 人脸跟踪算法 | 第50-54页 |
| ·颜色直方图生成 | 第50-52页 |
| ·算法跟踪过程 | 第52-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·改进的 CAMSHIFT 人脸跟踪算法 | 第54-61页 |
| ·基于背景模型的最大后验概率 | 第55-57页 |
| ·基于空间金字塔的分块 | 第57-60页 |
| ·实验结果及分析 | 第60-61页 |
| ·基于 SURF 特征点的跟踪算法 | 第61-69页 |
| ·基于特征点的跟踪算法概述 | 第61页 |
| ·SURF 特征点提取 | 第61-64页 |
| ·SURF 特征点表示 | 第64-67页 |
| ·SURF 特征点匹配 | 第67-68页 |
| ·实验结果及分析 | 第68-69页 |
| ·加速的 SURF 特征匹配 | 第69-73页 |
| ·随机蕨工作原理 | 第70-71页 |
| ·训练样本的特征描述 | 第71-72页 |
| ·实验结果及分析 | 第72-73页 |
| ·CAMSHIFT 与 SURF 结合的人脸跟踪算法 | 第73-77页 |
| ·算法流程 | 第73-74页 |
| ·实验结果及分析 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 结论 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 在学研究成果 | 第82-83页 |
| 致谢 | 第83页 |