| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 人脸检测 | 第10-15页 |
| 1.2.2 人脸跟踪 | 第15-18页 |
| 1.3 当前存在的问题及本文研究内容 | 第18-19页 |
| 1.3.1 当前存在的问题 | 第18-19页 |
| 1.3.2 本文研究内容 | 第19页 |
| 1.4 本文章节安排 | 第19-21页 |
| 第二章 红外视频采集系统 | 第21-27页 |
| 2.1 概述 | 第21页 |
| 2.2 红外视频采集系统 | 第21-26页 |
| 2.2.1 红外视频采集系统的组成 | 第22页 |
| 2.2.2 红外光源的选取 | 第22-24页 |
| 2.2.3 相机的选取 | 第24-25页 |
| 2.2.4 红外滤光片 | 第25-26页 |
| 2.2.5 系统结构 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于AdaBoost算法的人脸检测方法 | 第27-41页 |
| 3.1 Haar特征与积分图 | 第27-30页 |
| 3.1.1 Haar特征 | 第27-29页 |
| 3.1.2 积分图 | 第29-30页 |
| 3.2 AdaBoost算法 | 第30-34页 |
| 3.2.1 弱分类器 | 第31-32页 |
| 3.2.2 强分类器 | 第32-33页 |
| 3.2.3 级联分类器 | 第33-34页 |
| 3.3 人脸检测过程 | 第34-36页 |
| 3.3.1 级联分类器的检测过程 | 第34页 |
| 3.3.2 多尺度检测机制 | 第34-36页 |
| 3.4 自适应步长 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-39页 |
| 3.5.1 评价指标 | 第37-38页 |
| 3.5.2 实验及分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 结合特征筛选与二次定位的快速人脸压缩跟踪算法 | 第41-61页 |
| 4.1 压缩感知理论 | 第41-43页 |
| 4.2 基于压缩跟踪的人脸跟踪算法 | 第43-47页 |
| 4.2.1 多尺度特征 | 第43-44页 |
| 4.2.2 随机测量矩阵 | 第44-45页 |
| 4.2.3 朴素贝叶斯分类器 | 第45-46页 |
| 4.2.4 基于压缩跟踪的人脸跟踪算法 | 第46-47页 |
| 4.3 结合特征筛选与二次定位的快速人脸压缩跟踪算法 | 第47-53页 |
| 4.3.1 压缩特征提取 | 第47-48页 |
| 4.3.2 分布差异的度量 | 第48-49页 |
| 4.3.3 分类器构建 | 第49页 |
| 4.3.4 分类器参数更新 | 第49-51页 |
| 4.3.5 二次定位 | 第51-53页 |
| 4.3.6 FSSL-CT人脸跟踪算法流程 | 第53页 |
| 4.4 实验结果与分析 | 第53-59页 |
| 4.4.1 定性分析 | 第54-57页 |
| 4.4.2 定量分析 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61页 |
| 5.2 后续研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 发表论文和参加科研情况 | 第69-71页 |
| 致谢 | 第71页 |