目标检测与跟踪技术研究
| 第一章 引言 | 第1-17页 |
| 1．1 研究的背景和意义 | 第7-8页 |
| 1．2 人脸检测与跟踪的方法概述 | 第8-14页 |
| 1．2．1 人脸检测方法概述 | 第9-12页 |
| 1．2．2 人脸跟踪的方法 | 第12-14页 |
| 1．2．3 研究现状的总结 | 第14页 |
| 1．3 论文的主要研究工作 | 第14-16页 |
| 1．4 论文的结构 | 第16-17页 |
| 第二章 人脸数据的采集及其模式分析 | 第17-35页 |
| 2．1 人脸数据的采集与预处理 | 第17-21页 |
| 2．1．1 图像库构成 | 第17-18页 |
| 2．1．2 人脸样本的选取 | 第18-21页 |
| 2．2 人脸检测与人脸模式分析 | 第21-24页 |
| 2．3 人脸模式的特征提取 | 第24-26页 |
| 2．3．1 肤色特征 | 第24-25页 |
| 2．3．2 灰度特征 | 第25-26页 |
| 2．4 人脸模式的特征综合 | 第26-35页 |
| 2．4．1 肤色区域分割与人脸验证方法 | 第26-27页 |
| 2．4．2 基于启发式模型的方法 | 第27-29页 |
| 2．4．3 基于统计模型的方法 | 第29-35页 |
| 第三章 支持向量机（SVM）方法介绍 | 第35-46页 |
| 3．1 引言 | 第35页 |
| 3．2 统计学习理论 | 第35-38页 |
| 3．2．1 VC维数 | 第37页 |
| 3．2．2 结构风险最小化SRM | 第37-38页 |
| 3．3 支持向量机分类器 | 第38-46页 |
| 3．3．1 最优分割超平面 | 第38-43页 |
| 3．3．2 最优分割超平面的推广 | 第43-46页 |
| 第四章 马赛克图像分析 | 第46-57页 |
| 4．1 引言 | 第46-47页 |
| 4．2 马赛克图像分析的实现过程 | 第47-53页 |
| 4．2．1 构造马赛克图像 | 第47-48页 |
| 4．2．2 在马赛克图像序（?）里的搜索过程 | 第48-52页 |
| 4．2．3 提取边界 | 第52-53页 |
| 4．3 算法的详细步骤 | 第53-57页 |
| 第五章 基于马赛克分析与支持向量机的人脸检测 | 第57-67页 |
| 5．1 引言 | 第57-58页 |
| 5．2 基于马赛克分析与支持向量机的人脸检测 | 第58-62页 |
| 5．2．1 支持向量机分类器的构造 | 第58-59页 |
| 5．2．2 人脸检测算法 | 第59-62页 |
| 5．3 实验结果 | 第62-67页 |
| 第六章 目标跟踪 | 第67-82页 |
| 6．1 引言 | 第67-68页 |
| 6．2 目标跟踪问题的分类 | 第68页 |
| 6．2．1 固定摄像机条件下的目标跟踪 | 第68页 |
| 6．2．2 非固定摄像机条件下的目标跟踪 | 第68页 |
| 6．3 运动物体检测的研究方法 | 第68-72页 |
| 6．3．1 匹配法 | 第69-70页 |
| 6．3．2 基于光流法的跟踪 | 第70页 |
| 6．3．3 差分法 | 第70-72页 |
| 6．4 基于金字塔图像的光流法跟踪 | 第72-82页 |
| 6．4．1 问题的提出 | 第72页 |
| 6．4．2 跟踪算法的描述 | 第72-78页 |
| 6．4．2．1 金字塔图像表示 | 第73-74页 |
| 6．4．2．2 基于金字塔的图像跟踪 | 第74-76页 |
| 6．4．2．3 迭代的光流法计算过程 | 第76-78页 |
| 6．4．3 跟踪测试图像实例 | 第78-82页 |
| 第七章 总结与展望 | 第82-86页 |
| 7．1 总结 | 第82-83页 |
| 7．2 展望 | 第83-86页 |
| 7．2．1 关于目前人脸检测方法的改进 | 第83页 |
| 7．2．2 关于旋转和侧面人脸的检测 | 第83-84页 |
| 7．2．3 关于人脸检测与目标跟踪的应用研究 | 第84-86页 |
| 参考文献 | 第86-89页 |
