基于改进Adaboost算法的多姿态人脸检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题的背景和意义 | 第9-10页 |
| ·课题的国内外研究现状 | 第10-11页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11页 |
| ·人脸检测相关技术介绍 | 第11-16页 |
| ·基于特征的人脸检测 | 第12-13页 |
| ·基于肤色的人脸检测 | 第13-14页 |
| ·基于形状的人脸检测 | 第14-16页 |
| ·人脸检测的评价标准 | 第16-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第二章 基于Adaboost 的人脸检测 | 第19-33页 |
| ·矩形特征与积分图 | 第19-24页 |
| ·矩形特征 | 第19-20页 |
| ·矩形特征的计算 | 第20-22页 |
| ·积分图 | 第22-24页 |
| ·Adaboost 算法 | 第24-27页 |
| ·弱分类器 | 第25页 |
| ·强分类器 | 第25-27页 |
| ·级联分类器 | 第27-29页 |
| ·级联分类器的结构 | 第27-28页 |
| ·级联分类器的训练算法 | 第28-29页 |
| ·人脸检测系统的实现 | 第29-30页 |
| ·实验结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于肤色分割的人脸检测方法 | 第33-44页 |
| ·色彩空间 | 第33-35页 |
| ·肤色的聚类分析 | 第35-37页 |
| ·人脸图像分割 | 第37-43页 |
| ·阈值区间分割法 | 第37页 |
| ·肤色高斯模型分割算法 | 第37-38页 |
| ·贝叶斯统计推理法 | 第38-40页 |
| ·神经网络算法 | 第40-41页 |
| ·分割算法性能分析 | 第41-43页 |
| ·人脸候选区域 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第四章 静态人脸图像检测方法 | 第44-54页 |
| ·扩展的矩形特征 | 第44页 |
| ·改进的图像金字塔 | 第44-49页 |
| ·基于内容感知的图像缩放 | 第44-46页 |
| ·图像金字塔模型 | 第46-47页 |
| ·基于内容感知的金字塔模型构建 | 第47-49页 |
| ·人脸姿态预估计 | 第49-50页 |
| ·基于肤色和Adaboost 的多姿态人脸检测 | 第50-53页 |
| ·人脸检测系统设计 | 第50-52页 |
| ·实验结果与分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于Camshift 算法的人脸跟踪 | 第54-69页 |
| ·人脸跟踪算法简介 | 第54-56页 |
| ·帧差法 | 第54-55页 |
| ·基于目标预测的跟踪法 | 第55页 |
| ·基于模型的跟踪法 | 第55-56页 |
| ·基于特征的人脸跟踪法 | 第56页 |
| ·Camshift 算法 | 第56-58页 |
| ·颜色直方图 | 第56-57页 |
| ·Meanshift 算法 | 第57页 |
| ·Camshift 算法 | 第57-58页 |
| ·Kalman 滤波 | 第58-59页 |
| ·基于改进的Camshift 算法的人脸跟踪 | 第59-64页 |
| ·人脸跟踪队列 | 第59-60页 |
| ·跟踪系统的设计与实现 | 第60-64页 |
| ·局域网视频监控 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-70页 |
| ·本文工作总结 | 第69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |
