| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 人脸检测技术的研究现状 | 第12-13页 |
| 1.3 人脸检测技术的研究难点 | 第13页 |
| 1.4 本文的主要工作及内容安排 | 第13-15页 |
| 第2章 动态检测技术综述 | 第15-21页 |
| 2.1 人脸的静态和动态检测 | 第15-16页 |
| 2.2 人脸动态检测的方法分类 | 第16-19页 |
| 2.2.1 基于特征匹配的动态检测 | 第16-17页 |
| 2.2.2 基于区域匹配的动态检测 | 第17-18页 |
| 2.2.3 基于模型匹配的动态检测 | 第18-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 基于肤色的Mean-shift算法 | 第21-41页 |
| 3.1 引言 | 第21页 |
| 3.2 Mean-shift算法原理 | 第21-30页 |
| 3.2.1 无参密度估计 | 第21-26页 |
| 3.2.2 Mean-shift向量 | 第26-29页 |
| 3.2.3 Mean-shift算法收敛性 | 第29-30页 |
| 3.3 Mean-shift算法在人脸检测中的应用 | 第30-38页 |
| 3.3.1 Mean-shift算法在检测中的模型描述 | 第30-33页 |
| 3.3.2 肤色模型的选取 | 第33-35页 |
| 3.3.3 颜色模型转换算法 | 第35-36页 |
| 3.3.4 基于人脸信息的模型建立 | 第36-37页 |
| 3.3.5 Mean-shift算法流程图 | 第37-38页 |
| 3.4 仿真结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于LBP算子的Mean-shift算法 | 第41-53页 |
| 4.1 LBP的提出及其物理意义 | 第41-42页 |
| 4.2 LBP的分类 | 第42-45页 |
| 4.2.1 原始LBP算子 | 第42-43页 |
| 4.2.2 旋转不变LBP算子 | 第43-44页 |
| 4.2.3 基于一致模式的LBP算子 | 第44-45页 |
| 4.3 LBP算子在Mean-shift算法中的应用 | 第45-49页 |
| 4.3.1 肤色和纹理融合的人脸模型分析 | 第45-46页 |
| 4.3.2 基于肤色和纹理的模型建立 | 第46-48页 |
| 4.3.3 权重的自适应提高 | 第48-49页 |
| 4.4 仿真结果及分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 光流法在Mean-shift加速上的应用 | 第53-63页 |
| 5.1 光流法简介 | 第53-54页 |
| 5.2 Mean-shift算法加速分析 | 第54-55页 |
| 5.3 连续帧图像运动估计 | 第55-60页 |
| 5.3.1 角点的选择 | 第55-57页 |
| 5.3.2 光流算法原理 | 第57-58页 |
| 5.3.3 光流计算 | 第58-59页 |
| 5.3.4 Mean-shift算法中的运动估计 | 第59-60页 |
| 5.4 仿真结果及分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
