| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究意义和研究背景 | 第11页 |
| ·研究现状和发展动态 | 第11-16页 |
| ·目标检测和提取 | 第12-13页 |
| ·目标跟踪 | 第13-14页 |
| ·人脸检测 | 第14-16页 |
| ·研究内容和章节安排 | 第16-17页 |
| 第二章 视频图像处理技术 | 第17-34页 |
| ·图像噪声和中值滤波 | 第17-18页 |
| ·噪声模型和噪声产生原因 | 第17页 |
| ·中值滤波 | 第17-18页 |
| ·二值图像的形态学分析 | 第18-21页 |
| ·二值图像的逻辑运算 | 第19页 |
| ·膨胀与腐蚀 | 第19-20页 |
| ·开操作和闭操作 | 第20-21页 |
| ·小波分析基础 | 第21-27页 |
| ·小波基的基本性质 | 第21-22页 |
| ·连续小波变换 | 第22-24页 |
| ·离散序列的小波变换(SWT) | 第24-25页 |
| ·多分辨率分析(MRA) | 第25-27页 |
| ·支持向量机 | 第27-34页 |
| ·机器学习理论概述 | 第27-28页 |
| ·最优分类面 | 第28-30页 |
| ·广义的最优分类面 | 第30-31页 |
| ·支持向量机 | 第31-33页 |
| ·支持向量机的实例 | 第33-34页 |
| 第三章 一种背景提取和累加帧间差分相结合的目标检测算法 | 第34-42页 |
| ·引言 | 第34页 |
| ·运动目标检测 | 第34-39页 |
| ·基于去除背景的运动目标检测 | 第34-36页 |
| ·基于累加帧间差分算法的运动目标检测 | 第36-37页 |
| ·改进的运动目标检测 | 第37页 |
| ·自适应阈值求法 | 第37-39页 |
| ·运动目标提取 | 第39-42页 |
| ·连通分量提取 | 第39-40页 |
| ·目标区域填充[36] | 第40-42页 |
| 第四章 静止背景下目标运动估计和跟踪 | 第42-55页 |
| ·跟踪系统设计与分析 | 第42-43页 |
| ·运动预测 | 第43-48页 |
| ·线性逼近及线性预测 | 第43-44页 |
| ·平方逼近及平方预测器 | 第44页 |
| ·综合预测 | 第44-45页 |
| ·Kalman预测 | 第45-48页 |
| ·目标匹配 | 第48-52页 |
| ·SSDA目标匹配算法 | 第49-52页 |
| ·目标跟踪实验结果分析 | 第52-55页 |
| 第五章 静态图像的人脸检测方法 | 第55-65页 |
| ·基于相似度的人脸模板匹配 | 第55-57页 |
| ·小波变换和特征提取 | 第57-60页 |
| ·harr小波变换 | 第57-58页 |
| ·小波提升法 | 第58-60页 |
| ·人脸图像小波系数提取 | 第60页 |
| ·基于支持向量机的人脸检测 | 第60-64页 |
| ·采集训练样本 | 第60-61页 |
| ·训练支持向量机 | 第61-64页 |
| ·基于支持向量机的人脸检测方法小结 | 第64页 |
| ·人脸检测实验结果 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·本文的工作总结 | 第65页 |
| ·进一步的研究工作 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |