智能像素聚类与AdaBoost方法相结合实现人脸跟踪
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景 | 第8-12页 |
| ·本文要解决的问题 | 第12-13页 |
| ·全文结构概述 | 第13-15页 |
| 第2章 AdaBoost学习算法 | 第15-25页 |
| ·AdaBoost方法 | 第15-16页 |
| ·分类器训练思想 | 第16-17页 |
| ·构造弱分类器 | 第17-23页 |
| ·矩形特征 | 第18-20页 |
| ·积分图 | 第20-22页 |
| ·弱分类器选取 | 第22-23页 |
| ·构造强分类器 | 第23页 |
| ·分类器训练流程 | 第23-25页 |
| 第3章 多层级联分类器 | 第25-36页 |
| ·多层级联分类器的分类方法 | 第25-26页 |
| ·使用级联分类器进行训练 | 第26-30页 |
| ·训练过程 | 第26-28页 |
| ·检测器的实现 | 第28页 |
| ·选取训练样本 | 第28-30页 |
| ·实验结果 | 第30-36页 |
| ·训练得到分类器的构造 | 第30-31页 |
| ·人脸检测结果 | 第31-34页 |
| ·人脸检测效率 | 第34-36页 |
| 第4章 基于AdaBoost的肤色检测新方法 | 第36-44页 |
| ·肤色检测方法 | 第36-37页 |
| ·肤色分布的分析 | 第37-40页 |
| ·特征选择及分类器的构造 | 第38-39页 |
| ·训练肤色分类器 | 第39-40页 |
| ·实验结果 | 第40-44页 |
| ·肤色分类器的构造 | 第40-41页 |
| ·肤色检测效果 | 第41-44页 |
| 第5章 人脸跟踪 | 第44-58页 |
| ·智能像素聚类目标跟踪算法 | 第44-47页 |
| ·简单背景的目标跟踪 | 第47-53页 |
| ·构造目标椭圆 | 第47-51页 |
| ·选取背景区域的聚类中心 | 第51-52页 |
| ·算法的改进 | 第52页 |
| ·目标跟踪结果 | 第52-53页 |
| ·人脸跟踪 | 第53-58页 |
| ·肤色滤波 | 第53-54页 |
| ·视频序列中的人脸检测 | 第54-55页 |
| ·头部背后的跟踪 | 第55-56页 |
| ·系统实现和跟踪结果 | 第56-58页 |
| 第6章 总结与展望 | 第58-62页 |
| ·文章总结 | 第58-60页 |
| ·文章贡献 | 第58页 |
| ·改进方向 | 第58-59页 |
| ·工作体会 | 第59-60页 |
| ·研究展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者在读研期间科研成果简介 | 第68页 |
