视频中人脸检索与事件检测技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 研究的背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 人脸检测技术 | 第8-12页 |
| 1.2.2 特征提取技术 | 第12-13页 |
| 1.2.3 特征识别技术 | 第13-14页 |
| 1.3 相关技术中的主要问题 | 第14-15页 |
| 1.4 论文的主要工作 | 第15页 |
| 1.5 论文的组织 | 第15-17页 |
| 第二章 快速人脸检测 | 第17-31页 |
| 2.1 概述 | 第17-18页 |
| 2.2 AdaBoost算法简介 | 第18-24页 |
| 2.2.1 Adaboost 算法描述 | 第18-19页 |
| 2.2.2 矩形特征 | 第19-20页 |
| 2.2.3 弱分类器 | 第20-24页 |
| 2.3 帧间人脸跟踪 | 第24-25页 |
| 2.3.1 跟踪流程 | 第24页 |
| 2.3.2 预测搜索范围和人脸大小 | 第24-25页 |
| 2.4 实验结果 | 第25-30页 |
| 2.4.1 Adaboost检测器实验分析 | 第25-28页 |
| 2.4.2 加入人脸跟踪后的实验 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 肤色模型分类器 | 第31-47页 |
| 3.1 概述 | 第31-32页 |
| 3.2 彩色空间 | 第32-34页 |
| 3.2.1 彩色空间的选择 | 第33-34页 |
| 3.3 肤色模型 | 第34-42页 |
| 3.3.1 肤色分割 | 第35-37页 |
| 3.3.2 形态学操作 | 第37-41页 |
| 3.3.3 与adaboost检测器的结合 | 第41-42页 |
| 3.4 实验结果 | 第42-46页 |
| 3.4.1 肤色模型比对结果 | 第42-44页 |
| 3.4.2 与adaboost结合的检测结果 | 第44-46页 |
| 3.5 本章总结 | 第46-47页 |
| 第四章 人脸特征提取与识别 | 第47-57页 |
| 4.1 概述 | 第47-48页 |
| 4.2 PCA特征提取 | 第48-50页 |
| 4.2.1 PCA 原理 | 第48-50页 |
| 4.3 LDA 人脸识别 | 第50-53页 |
| 4.3.1 LDA 原理 | 第50-52页 |
| 4.3.2 基于线性判别的人脸识别算法 | 第52-53页 |
| 4.4 实验结果 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于改进算法的视频中脸像检索系统 | 第57-65页 |
| 5.1 概述 | 第57-58页 |
| 5.2 检索系统框架 | 第58页 |
| 5.3 人脸图像检索 | 第58-60页 |
| 5.3.1 人脸检测 | 第58-59页 |
| 5.3.2 人脸跟踪 | 第59页 |
| 5.3.3 肤色模型 | 第59页 |
| 5.3.4 人脸识别 | 第59-60页 |
| 5.4 实验结果 | 第60-64页 |
| 5.4.1 实时人脸检测 | 第60-63页 |
| 5.4.2 线下人脸识别 | 第63-64页 |
| 5.5 结论和进一步的工作 | 第64-65页 |
| 第六章 结束语 | 第65-67页 |
| 6.1 论文总结 | 第65页 |
| 6.2 进一步的工作 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-70页 |
