| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·研究背景及意义 | 第8-9页 |
| ·人脸检测与跟踪算法研究现状 | 第9-11页 |
| ·论文的章节安排 | 第11-12页 |
| 2 结合旋转人脸检测的改进AdaBoost人脸检测算法 | 第12-35页 |
| ·常用的人脸检测方法 | 第12-15页 |
| ·模板匹配 | 第12页 |
| ·基于器官特征方法 | 第12-13页 |
| ·基于肤色纹理的检测 | 第13-14页 |
| ·神经网络 | 第14页 |
| ·基于隐马尔可夫的模型的方法 | 第14-15页 |
| ·基于AdaBoost的人脸检测算法 | 第15-20页 |
| ·使用Haar2like特征构造分类器 | 第15-17页 |
| ·AdaBoost训练过程 | 第17-18页 |
| ·级联分类器 | 第18页 |
| ·实验结果与分析 | 第18-20页 |
| ·常用旋转人脸检测算法 | 第20-25页 |
| ·辐射模板法 | 第21-23页 |
| ·基于人脸几何特征的检测方法 | 第23-24页 |
| ·人眼位置推算法 | 第24-25页 |
| ·结合旋转人脸检测的改进AdaBoost人脸检测系统 | 第25-33页 |
| ·肤色模型 | 第25-26页 |
| ·边缘检测 | 第26-29页 |
| ·各边缘检测算子的效果比较 | 第29-31页 |
| ·旋转人脸检测的实现 | 第31-32页 |
| ·实验效果图与结果分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 3 结合Kalman滤波的增强型Camshift人脸跟踪算法 | 第35-52页 |
| ·常用的人脸跟踪方法 | 第35-38页 |
| ·基于特征匹配的跟踪 | 第35页 |
| ·基于运动信息的跟踪 | 第35-36页 |
| ·基于模版匹配的跟踪 | 第36-37页 |
| ·基于人工神经网络的跟踪 | 第37-38页 |
| ·Camshift算法 | 第38-41页 |
| ·颜色概率分布图的计算 | 第38-40页 |
| ·运动目标的搜素过程 | 第40-41页 |
| ·Kalman滤波 | 第41-46页 |
| ·Kalman滤波线性离散过程 | 第41-42页 |
| ·Kalman滤波原理 | 第42-43页 |
| ·Kalman滤波预测方程 | 第43页 |
| ·Kalman滤波器参数的选取 | 第43-44页 |
| ·Kalman滤波器建模 | 第44-46页 |
| ·结合Kalman滤波的增强型Camshift算法 | 第46-50页 |
| ·结合Kalman滤波的人脸跟踪系统的实现 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 4 基于窗口预测的改进Camshift算法 | 第52-62页 |
| ·窗口预测问题 | 第52页 |
| ·常用的曲线拟合算法 | 第52-58页 |
| ·Lagrange插值法 | 第52-53页 |
| ·牛顿插值法 | 第53-55页 |
| ·最小二乘法 | 第55-56页 |
| ·三次样条插值法 | 第56-58页 |
| ·各种曲线拟合算法的效果比较 | 第58-59页 |
| ·结合窗口预测的人脸跟踪系统的实现 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
