基于视频的实时人脸检测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10页 |
| ·人脸检测的研究现状 | 第10-15页 |
| ·基于经验知识的方法 | 第11-12页 |
| ·基于特征的方法 | 第12页 |
| ·基于模板匹配的方法 | 第12-13页 |
| ·基于统计理论的方法 | 第13-14页 |
| ·各种方法的优缺点 | 第14-15页 |
| ·人脸检测的难点 | 第15-16页 |
| ·论文研究内容及主要工作 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第二章 图像预处理 | 第18-22页 |
| ·直方图均衡 | 第18-19页 |
| ·中值滤波 | 第19-20页 |
| ·光照补偿 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于多重决策树的多姿态人脸检测 | 第22-33页 |
| ·多姿态人脸的定义 | 第22-23页 |
| ·多姿态人脸角度空间自动划分 | 第23-25页 |
| ·多重决策树 | 第25-29页 |
| ·实验结果 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于改进ADABOOST的多姿态人脸检测 | 第33-47页 |
| ·特征及其计算 | 第33-36页 |
| ·多姿态人脸的类Haar特征 | 第33-34页 |
| ·积分图与特征计算 | 第34-36页 |
| ·针对多姿态人脸的分类器学习及其训练 | 第36-41页 |
| ·多姿态人脸样本选取 | 第37-38页 |
| ·基于AdaBoost的学习算法 | 第38-39页 |
| ·训练系统结构 | 第39-40页 |
| ·训练结果 | 第40-41页 |
| ·级联分类器 | 第41-44页 |
| ·基于改进ADABOOST的多姿态人脸检测 | 第44-46页 |
| ·检测过程及结果处理 | 第44-45页 |
| ·自适应步长的输入图像遍历算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于改进CAMSHIFT的人脸目标跟踪 | 第47-55页 |
| ·颜色直方图 | 第47-48页 |
| ·颜色模型选取 | 第48-49页 |
| ·均值漂移算法 | 第49-51页 |
| ·基于改进的CAMSHIFT人脸跟踪算法实现 | 第51-53页 |
| ·实验及结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 基于视频的多姿态人脸检测跟踪系统实现 | 第55-61页 |
| ·系统结构 | 第55页 |
| ·基于DirectShow的视频获取 | 第55-56页 |
| ·系统模块 | 第56-58页 |
| ·图像预处理模块 | 第56-57页 |
| ·人脸检测模块 | 第57页 |
| ·人脸目标跟踪模块 | 第57-58页 |
| ·运行结果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 发表文章 | 第68页 |
