视频中人脸检测与跟踪技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究的背景与意义 | 第9-10页 |
| ·人脸检测与跟踪技术综述 | 第10-14页 |
| ·人脸检测技术 | 第10-12页 |
| ·人脸跟踪技术 | 第12-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的研究内容与安排 | 第15-17页 |
| 2 视频序列的预处理 | 第17-25页 |
| ·光照补偿 | 第17-19页 |
| ·肤色检测 | 第19-22页 |
| ·肤色检测处理结果 | 第22-25页 |
| 3 Adaboost人脸检测算法 | 第25-38页 |
| ·类 Haar特征 | 第25-31页 |
| ·类 Haar特征库 | 第25-29页 |
| ·类 Haar特征的快速计算 | 第29-31页 |
| ·分类器的构造和级联 | 第31-33页 |
| ·弱分类器 | 第31-32页 |
| ·强分类器 | 第32页 |
| ·级联分类器 | 第32-33页 |
| ·多角度人脸检测 | 第33-38页 |
| ·多角度人脸检测 | 第33-35页 |
| ·算法性能测试 | 第35-38页 |
| 4 视频图像序列的人脸跟踪 | 第38-63页 |
| ·引言 | 第38页 |
| ·Camshift人脸跟踪算法 | 第38-45页 |
| ·颜色概率分布 | 第39-40页 |
| ·MeanShift算法 | 第40-41页 |
| ·Camshift算法 | 第41-43页 |
| ·算法的实现流程及结果分析 | 第43-45页 |
| ·基于统计学的预测方法 | 第45-53页 |
| ·贝叶斯滤波原理 | 第46-47页 |
| ·卡尔曼滤波的研究与应用 | 第47-48页 |
| ·粒子滤波的研究与应用 | 第48-52页 |
| ·实验结果与分析 | 第52-53页 |
| ·一种快速的多人脸跟踪方法 | 第53-63页 |
| ·Camshift多人脸跟踪器的设计 | 第54-56页 |
| ·人脸形态约束 | 第56页 |
| ·线性运动预测 | 第56-57页 |
| ·更新跟踪目标 | 第57-59页 |
| ·实验结果及分析 | 第59-63页 |
| 5 人脸跟踪系统的设计 | 第63-68页 |
| ·视频监控系统的发展概况 | 第63-64页 |
| ·基于人脸跟踪的智能监控系统设计 | 第64-66页 |
| ·部分模拟内容与结果 | 第66-68页 |
| 6. 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·将来工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表学术论文情况 | 第73-74页 |
| 致谢 | 第74-75页 |
