| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像处理服务化的研究现状 | 第11页 |
| 1.2.2 HTML5的研究现状 | 第11-14页 |
| 1.3 论文的研究内容和章节安排 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 图像处理及其服务化的相关技术研究 | 第15-35页 |
| 2.1 图像处理服务化需求分析 | 第15-17页 |
| 2.1.1 功能需求分析 | 第15-16页 |
| 2.1.2 性能需求分析 | 第16-17页 |
| 2.2 图像处理相关技术 | 第17-26页 |
| 2.2.1 常用的图像特征 | 第17-20页 |
| 2.2.2 经典的检测算法 | 第20-26页 |
| 2.3 图像处理服务化关键技术 | 第26-33页 |
| 2.3.1 HTML5的基础技术研究 | 第26-28页 |
| 2.3.2 HTML5 Canvas技术 | 第28-29页 |
| 2.3.3 HTML5 WebSocket协议 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于HTML5的人脸检测与跟踪及Web实现 | 第35-43页 |
| 3.1 人脸特征分类器及人脸检测与跟踪算法的优化 | 第35-36页 |
| 3.2 基于Web的人脸检测与跟踪的设计 | 第36-38页 |
| 3.2.1 总体框架 | 第36-37页 |
| 3.2.2 实现流程 | 第37-38页 |
| 3.3 基于Web的人脸检测与跟踪的实现 | 第38-39页 |
| 3.4 实验与分析 | 第39-42页 |
| 3.4.1 检测速度分析 | 第39-40页 |
| 3.4.2 实验结果分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于HOG和Adaboost-BP的行人检测及Web实现 | 第43-61页 |
| 4.1 图像预处理 | 第43-46页 |
| 4.2 Adaboost-BP模型设计 | 第46-50页 |
| 4.2.1 BP神经网络设计 | 第46-49页 |
| 4.2.2 基于Adaboost算法训练BP神经网络 | 第49-50页 |
| 4.3 行人检测算法的实验与分析 | 第50-56页 |
| 4.3.1 算法流程 | 第50-51页 |
| 4.3.2 实验结果分析 | 第51-56页 |
| 4.4 基于Web的行人检测的设计与实现 | 第56-60页 |
| 4.4.1 开发平台搭建 | 第56页 |
| 4.4.2 总体框架及实现流程 | 第56-59页 |
| 4.4.3 实验结果分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 在学期间发表的学术论文及研究成果 | 第69页 |
