人脸跟踪中的在线学习方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景及意义 | 第8-9页 |
| 1.3 研究现状 | 第9-12页 |
| 1.3.1 跟踪 | 第9-10页 |
| 1.3.2 检测 | 第10-11页 |
| 1.3.3 机器学习 | 第11页 |
| 1.3.4 跟踪-学习-检测 | 第11-12页 |
| 1.4 本文研究工作 | 第12页 |
| 1.5 本文的组织结构 | 第12-13页 |
| 第2章 人脸跟踪 | 第13-27页 |
| 2.1 引言 | 第13页 |
| 2.2 粒子滤波 | 第13-17页 |
| 2.2.1 SIS(序贯重要性采样) | 第15-16页 |
| 2.2.2 RIS(重要性重采样) | 第16-17页 |
| 2.3 Mean Shift | 第17-23页 |
| 2.3.1 基本Mean shift | 第18-19页 |
| 2.3.2 核函数 | 第19-20页 |
| 2.3.3 Mean Shift拓展形式 | 第20-21页 |
| 2.3.4 Mean Shift算法步骤 | 第21页 |
| 2.3.5 基于Mean Shift的跟踪 | 第21-23页 |
| 2.4 光流法 | 第23-25页 |
| 2.4.1 HS光流 | 第24-25页 |
| 2.4.2 LK光流 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 人脸检测 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 PCA(主成元分析) | 第27-30页 |
| 3.2.1 K-L变换 | 第27-30页 |
| 3.2.2 K-L展开系数 | 第30页 |
| 3.3 特征提取 | 第30-36页 |
| 3.3.1 Harris角点检测 | 第30-32页 |
| 3.3.2 时空感兴趣角点 | 第32-35页 |
| 3.3.3 Haar特征 | 第35-36页 |
| 3.3.4 2bit特征 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 PCA结合TLD的人脸跟踪 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 P-N学习 | 第38-41页 |
| 4.2.1 P-N约束 | 第39-40页 |
| 4.2.2 收敛性 | 第40-41页 |
| 4.3 PCA结合TLD | 第41-50页 |
| 4.3.1 中值光流法 | 第41-42页 |
| 4.3.2 基于PCA的人脸检测 | 第42-45页 |
| 4.3.3 目标模型更新 | 第45-46页 |
| 4.3.4 跟踪器更新 | 第46-47页 |
| 4.3.5 检测器更新 | 第47-48页 |
| 4.3.6 实验效果及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 5.1 论文总结 | 第51页 |
| 5.2 未来展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间公开发表的论文、参与的科研项目 | 第57页 |
