| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-21页 |
| 1.1 引言 | 第13页 |
| 1.2 模式识别概述 | 第13-15页 |
| 1.3 人脸检测研究进展 | 第15-18页 |
| 1.3.1 人脸检测研究现状 | 第15-16页 |
| 1.3.2 人脸检测的困难 | 第16-17页 |
| 1.3.3 人脸检测与识别研究动向 | 第17-18页 |
| 1.4 运动目标跟踪与人脸跟踪研究进展 | 第18-20页 |
| 1.4.1 运动目标跟踪研究现状 | 第18页 |
| 1.4.2 运动目标跟踪难点 | 第18-19页 |
| 1.4.3 人脸跟踪研究现状 | 第19页 |
| 1.4.4 人脸跟踪难点 | 第19-20页 |
| 1.5 文章结构 | 第20-21页 |
| 2 人脸目标检测算法研究 | 第21-35页 |
| 2.1 图像采集 | 第21-23页 |
| 2.1.1 图像工程介绍 | 第21-22页 |
| 2.1.2 图像序列采集技术要求 | 第22-23页 |
| 2.1.3 图像序列采集环节 | 第23页 |
| 2.2 图像预处理 | 第23-26页 |
| 2.2.1 图像滤波 | 第24-26页 |
| 2.3 人脸目标检测 | 第26-34页 |
| 2.3.1 光流法 | 第26-28页 |
| 2.3.2 帧间差分法 | 第28-30页 |
| 2.3.3 背景差分法 | 第30-32页 |
| 2.3.4 AdaBoost算法 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 人脸目标跟踪算法研究 | 第35-47页 |
| 3.1 人脸目标跟踪算法概述 | 第35-36页 |
| 3.1.1 基于区域匹配的人脸跟踪算法 | 第35页 |
| 3.1.2 基于特征匹配的人脸跟踪算法 | 第35-36页 |
| 3.2 基于Cam Shift算法 | 第36-41页 |
| 3.2.1 Mean Shift算法 | 第36-38页 |
| 3.2.2 Cam Shift算法 | 第38-41页 |
| 3.3 改进的Cam Shift算法 | 第41-45页 |
| 3.3.1 卡尔曼滤波理论 | 第41-43页 |
| 3.3.2 卡尔曼滤波对人脸跟踪数据的仿真 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 基于OpenCV平台的算法实现 | 第47-67页 |
| 4.1 OpenCV基本介绍 | 第47页 |
| 4.2 OpenCV的模块及功能介绍 | 第47-48页 |
| 4.2.1 OpenCV的组成模块 | 第47-48页 |
| 4.2.2 OpenCV的功能介绍 | 第48页 |
| 4.3 OpenCV开发环境配置 | 第48-52页 |
| 4.4 人脸检测算法验证与分析 | 第52-58页 |
| 4.4.1 人脸检测算法步骤分析 | 第52-55页 |
| 4.4.2 单目标在简单背景和复杂背景下检测结果 | 第55-56页 |
| 4.4.3 多目标的人脸检测结果 | 第56-58页 |
| 4.4.4 背景差分法和AdaBoost算法检测结果分析 | 第58页 |
| 4.5 人脸跟踪算法验证与分析 | 第58-63页 |
| 4.5.1 人脸跟踪算法步骤分析 | 第59-60页 |
| 4.5.2 人脸跟踪算法在清晰画面中验证 | 第60-61页 |
| 4.5.3 人脸跟踪算法在模糊画面中验证 | 第61-62页 |
| 4.5.4 人脸跟踪算法性能分析 | 第62-63页 |
| 4.6 基于AdaBoost和改进的Cam Shift的人脸检测与跟踪算法分析 | 第63-65页 |
| 4.7 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67页 |
| 5.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介及读研期间主要科研成果 | 第75页 |