| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究的目的和意义 | 第10页 |
| ·人脸识别与跟踪研究现状 | 第10-16页 |
| ·可见光下人脸识别与跟踪研究现状 | 第11-15页 |
| ·红外条件下人脸识别与跟踪研究现状 | 第15-16页 |
| ·红外人脸识别与跟踪的特点 | 第16-19页 |
| ·本文主要研究内容 | 第19-20页 |
| 第2章 红外人脸关键理论研究 | 第20-35页 |
| ·ADABOOST 检测算法理论 | 第20-21页 |
| ·矩形特征(Haar-Like 特征) | 第20-21页 |
| ·二维PCA 人脸识别方法 | 第21-29页 |
| ·离散K-L 变换 | 第21-25页 |
| ·K-L 变换用于人脸识别 | 第25-26页 |
| ·二维主分量分析(2DPCA) | 第26-27页 |
| ·算法原理 | 第27-28页 |
| ·特征提取 | 第28-29页 |
| ·分类方法 | 第29页 |
| ·MEAN-SHIFT 人脸跟踪算法理论 | 第29-34页 |
| ·概率密度估计理论 | 第29-32页 |
| ·均值移动理论 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 红外人脸检测及图像预处理 | 第35-49页 |
| ·HAAR-LIKE 特征的确定 | 第35-38页 |
| ·ADABOOST 弱分类器的确定 | 第38-40页 |
| ·ADABOOST 强分类器的构架 | 第40-42页 |
| ·图像预处理 | 第42-48页 |
| ·尺度归一化 | 第42-44页 |
| ·灰度归一化 | 第44-45页 |
| ·图像平滑 | 第45页 |
| ·基于全局特征的Retinex 图像增强 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 红外人脸识别算法改进 | 第49-65页 |
| ·图像奇异值分解 | 第49-52页 |
| ·图像分块 | 第52-53页 |
| ·(2D)2PCA | 第53-55页 |
| ·行方向上的2DPCA | 第53页 |
| ·列方向上的2DPCA | 第53-54页 |
| ·两个方向上的2DPCA | 第54-55页 |
| ·图像分块和局部特征提取策略 | 第55-56页 |
| ·局部特征融合加权策略 | 第56-59页 |
| ·算法实现步骤 | 第59页 |
| ·实验结果及分析 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 第5章 红外人脸跟踪算法改进 | 第65-74页 |
| ·基于均值移动理论的目标跟踪 | 第65-68页 |
| ·均值移动目标跟踪的核函数带宽问题 | 第68-70页 |
| ·均值移动目标跟踪中核函数带宽对跟踪性能的影响分析 | 第68-69页 |
| ·常见核函数带宽确定方法 | 第69-70页 |
| ·基于均值移动和ADABOOST 算法融合的人脸跟踪 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |