| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究的背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·人脸检测概述 | 第12-13页 |
| ·人脸检测方法分类及动态分析 | 第13-16页 |
| ·论文研究方案 | 第16-17页 |
| ·本文组织结构 | 第17-19页 |
| 第2章 系统架构设计 | 第19-26页 |
| ·硬件开发平台简介 | 第19-21页 |
| ·GM8180简介 | 第19-21页 |
| ·平台应用分析 | 第21页 |
| ·软件体系框架 | 第21-25页 |
| ·总体架构与流程 | 第21-22页 |
| ·视觉注意力机制模块 | 第22-23页 |
| ·基于Haar特征的Adaboost人脸检测模块 | 第23-24页 |
| ·Camshift人脸跟踪模块 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于视觉选择性注意力机制的感兴趣区域提取 | 第26-51页 |
| ·视觉注意力模型 | 第26-32页 |
| ·视觉注意力概述 | 第26-28页 |
| ·视觉特征分类 | 第28-29页 |
| ·视觉注意模型分类 | 第29-30页 |
| ·显著图理论模式 | 第30-32页 |
| ·特征选取和特征区域提取 | 第32-42页 |
| ·肤色特征 | 第32-37页 |
| ·运动特征 | 第37-39页 |
| ·纹理特征 | 第39-41页 |
| ·显著图 | 第41-42页 |
| ·感兴趣区域提取 | 第42-44页 |
| ·动态感兴趣区域 | 第42-43页 |
| ·静态感兴趣区域 | 第43-44页 |
| ·实验结果分析 | 第44-49页 |
| ·实验 | 第45-48页 |
| ·分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 基于类Haar特征的Adaboost人脸检测 | 第51-64页 |
| ·Adaboost方法介绍 | 第51-53页 |
| ·基于Adaboost算法的人脸检测 | 第53-59页 |
| ·人脸特征——类Haar特征 | 第53-55页 |
| ·积分图 | 第55-56页 |
| ·级联分类器 | 第56-59页 |
| ·Adaboost算法在嵌入式平台下的优化 | 第59-61页 |
| ·基于视觉感兴趣区域搜索和优化 | 第59页 |
| ·浮点转定点 | 第59-60页 |
| ·分类器优化 | 第60-61页 |
| ·基于视觉感兴趣区域的人脸检测实验 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 Camshift算法人脸跟踪 | 第64-72页 |
| ·人脸跟踪算法概述 | 第64-66页 |
| ·基于肤色模型的方法 | 第64页 |
| ·基于主动轮廓的跟踪 | 第64-65页 |
| ·ASM/AAM模型方法 | 第65页 |
| ·其他方法 | 第65-66页 |
| ·基于Camshift算法的人脸跟踪 | 第66-69页 |
| ·均值偏移算法 | 第66-67页 |
| ·Camshift算法流程 | 第67-69页 |
| ·实验结果分析 | 第69-71页 |
| ·实验 | 第69-70页 |
| ·分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 硕士期间发表论文 | 第78-79页 |
| 致谢 | 第79页 |