| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 图表目录 | 第7-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·人脸检测方法研究现状 | 第9-11页 |
| ·基于知识的方法 | 第9页 |
| ·特征不变量方法 | 第9-10页 |
| ·模版匹配的方法 | 第10页 |
| ·基于表象的方法 | 第10-11页 |
| ·人脸跟踪技术研究现状 | 第11页 |
| ·穷举搜索法(Exhaustive Search) | 第11页 |
| ·基于假设的方法(Hypothesis Based Method) | 第11页 |
| ·均值移动算法(Mean Shift) | 第11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 2 AdaBoost人脸检测算法概述 | 第13-18页 |
| ·人脸检测评价标准 | 第13页 |
| ·类HARR特征与积分图 | 第13-16页 |
| ·类Harr特征 | 第13-15页 |
| ·积分图 | 第15-16页 |
| ·弱分类器与强分类器 | 第16页 |
| ·弱分类器 | 第16页 |
| ·强分类器 | 第16页 |
| ·级联分类器 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 AdaBoost人脸检测算法的改进 | 第18-27页 |
| ·AdaBoost算法 | 第18页 |
| ·AdaBoost算法训练的过程 | 第18-21页 |
| ·训练样本的选择 | 第18-20页 |
| ·训练过程的实现 | 第20-21页 |
| ·AdaBoost算法检测过程的实现及改进 | 第21-22页 |
| ·AdaBoost算法检测流程 | 第21页 |
| ·简化多尺度检测问题 | 第21-22页 |
| ·多姿态人脸检测 | 第22-26页 |
| ·多姿态人脸的训练 | 第22-23页 |
| ·多姿态人脸检测的实现 | 第23页 |
| ·实验结果与分析 | 第23-26页 |
| ·小结 | 第26-27页 |
| 4 Camshift人脸跟踪算法及其改进和实现 | 第27-35页 |
| ·引言 | 第27页 |
| ·Camshift人脸跟踪算法 | 第27-30页 |
| ·颜色概率分布图 | 第27-29页 |
| ·Mean Shift(均值移动)算法 | 第29-30页 |
| ·Camshift算法 | 第30页 |
| ·Camshift算法的实现流程与改进 | 第30-32页 |
| ·Camshift算法实现流程 | 第30-31页 |
| ·AdaBoost算法自动初始化跟踪窗口 | 第31页 |
| ·人脸检测与跟踪交替进行 | 第31-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·改进Camshift算法实验 | 第32-34页 |
| ·实验结果分析 | 第34页 |
| ·小结 | 第34-35页 |
| 5 视频序列中人脸图像的提取 | 第35-40页 |
| ·引言 | 第35页 |
| ·计算人脸角度的方法 | 第35-37页 |
| ·实验结果与小结 | 第37-40页 |
| 6 总结与展望 | 第40-42页 |
| ·本文工作总结 | 第40页 |
| ·将来工作的展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 附录A 改进AdaBoost算法的一些检测结果 | 第46-47页 |