| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 课题背景及意义 | 第11-12页 |
| 1.2.1 课题背景 | 第11-12页 |
| 1.2.2 课题意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 人脸检测的研究现状 | 第13-14页 |
| 1.3.2 人脸跟踪的研究现状 | 第14-15页 |
| 1.4 面临的主要问题 | 第15页 |
| 1.5 论文研究内容及组织结构 | 第15-17页 |
| 第2章 相关理论知识及常用算法简介 | 第17-31页 |
| 2.1 图像颜色空间 | 第17-20页 |
| 2.1.1 RGB色系坐标系 | 第17-18页 |
| 2.1.2 HIS格式(色度、饱和度、亮度模型) | 第18页 |
| 2.1.3 YCbCr格式 | 第18-19页 |
| 2.1.4 HSV色系坐标系 | 第19-20页 |
| 2.2 粒子滤波基本理论 | 第20-23页 |
| 2.2.1 最优贝叶斯估计 | 第20-21页 |
| 2.2.2 粒子滤波算法 | 第21-23页 |
| 2.3 人脸检测技术研究 | 第23-26页 |
| 2.3.1 基于知识的人脸检测算法 | 第23-24页 |
| 2.3.2 基于统计学习的人脸检测算法 | 第24-26页 |
| 2.4 人脸跟踪技术研究 | 第26-29页 |
| 2.4.1 基于运动信息的跟踪 | 第26-27页 |
| 2.4.2 基于区域的跟踪 | 第27页 |
| 2.4.3 基于特征点的跟踪 | 第27-28页 |
| 2.4.4 基于变形模板的跟踪 | 第28页 |
| 2.4.5 基于学习的跟踪 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 人脸检测算法研究与实现 | 第31-53页 |
| 3.1 基于肤色的人脸检测 | 第31-38页 |
| 3.1.1 非线性分段色彩变换 | 第32-33页 |
| 3.1.2 相似度计算 | 第33页 |
| 3.1.3 人脸的二值化 | 第33-35页 |
| 3.1.4 投影运算 | 第35-36页 |
| 3.1.5 人脸区域标注 | 第36页 |
| 3.1.6 实验结果与分析 | 第36-38页 |
| 3.2 基于AdaBoost算法的人脸检测 | 第38-48页 |
| 3.2.1 AdaBoost算法概述 | 第38-44页 |
| 3.2.2 人脸检测过程 | 第44-46页 |
| 3.2.3 实验结果与分析 | 第46-48页 |
| 3.3 结合肤色模型与AdaBoost的人脸检测算法 | 第48-50页 |
| 3.3.1 肤色验证 | 第48-49页 |
| 3.3.2 实验结果与分析 | 第49-50页 |
| 3.4 两种人脸检测算法实验结果比较与分析 | 第50-52页 |
| 3.4.1 评价标准 | 第50-51页 |
| 3.4.2 实验结果分析 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于ONLINE BOOSTING的人脸跟踪算法研究 | 第53-69页 |
| 4.1 离线boosting算法 | 第53-54页 |
| 4.2 Online boosting算法 | 第54-58页 |
| 4.3 基于online boosting算法的目标跟踪 | 第58-67页 |
| 4.3.1 Online boosting用于特征选择 | 第58-60页 |
| 4.3.2 算法实现流程 | 第60-61页 |
| 4.3.3 Online boosting特征选择用于人脸跟踪的实验结果 | 第61-63页 |
| 4.3.4 改进后的算法 | 第63-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第5章 嵌入粒子滤波的ONLINE BOOSTING人脸跟踪算法研究 | 第69-85页 |
| 5.1 粒子滤波跟踪原理 | 第69-70页 |
| 5.2 基于灰度模板区域匹配的粒子滤波跟踪 | 第70-75页 |
| 5.2.1 目标的先验知识 | 第70-71页 |
| 5.2.2 系统状态转移 | 第71页 |
| 5.2.3 系统观测 | 第71-72页 |
| 5.2.4 后验概率计算 | 第72页 |
| 5.2.5 基于灰度模板区域匹配的粒子滤波跟踪算法流程 | 第72-73页 |
| 5.2.6 实验结果与分析 | 第73-75页 |
| 5.3 基于online boosting的粒子滤波跟踪 | 第75-82页 |
| 5.3.1 相似度 | 第75-76页 |
| 5.3.2 目标先验知识 | 第76-77页 |
| 5.3.3 系统状态转移 | 第77页 |
| 5.3.4 系统观测 | 第77-78页 |
| 5.3.5 后验概率计算 | 第78页 |
| 5.3.6 目标自动捕获 | 第78页 |
| 5.3.7 粒子重采样 | 第78页 |
| 5.3.8 嵌入粒子滤波框架的online boosting算法流程 | 第78-80页 |
| 5.3.9 实验结果与分析 | 第80-82页 |
| 5.4 本章小结 | 第82-85页 |
| 第6章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93页 |
