| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究发展现状 | 第11-15页 |
| 1.2.1 智能视频监控系统发展现状 | 第11页 |
| 1.2.2 人脸检测与跟踪的发展现状 | 第11-15页 |
| 1.3 论文系统介绍 | 第15-17页 |
| 1.4 论文主要工作内容 | 第17-18页 |
| 1.5 论文章节安排 | 第18-20页 |
| 第2章 基于改进的背景差法的运动检测 | 第20-30页 |
| 2.1 基于改进的SURENDRA算法的运动检测 | 第20-23页 |
| 2.2 色彩空间 | 第23-25页 |
| 2.2.1 常用的色彩空间 | 第24-25页 |
| 2.2.2 色彩空间分析 | 第25页 |
| 2.3 基于改进的背景差法的运动检测 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于多特征融合的人脸检测方法 | 第30-48页 |
| 3.1 基于肤色信息的候选人脸区域检测 | 第30-33页 |
| 3.1.1 肤色模型 | 第31-32页 |
| 3.1.2 基于肤色模型的肤色检测 | 第32-33页 |
| 3.2 基于GABOR小波变换和BP神经网络的人脸验证 | 第33-44页 |
| 3.2.1 Gabor小波简介 | 第34-40页 |
| 3.2.2 基于Gabor小波变换的人脸图像特征提取 | 第40-41页 |
| 3.2.3 以BP神经网络构建人脸分类器 | 第41-44页 |
| 3.3 基于多特征融合的人脸检测方法 | 第44-47页 |
| 3.3.1 单人人脸检测方法 | 第44-45页 |
| 3.3.2 多人脸检测跟踪问题分析及解决 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于CAMSHIFT的人脸跟踪组合算法 | 第48-78页 |
| 4.1 CAMSHIFT算法的跟踪原理 | 第48-53页 |
| 4.2 基于CAMSHIFT的人脸跟踪组合算法 | 第53-68页 |
| 4.2.1 基于人脸检测的Camshift自动跟踪 | 第53-56页 |
| 4.2.2 Camshift跟踪算法中加入人脸形态约束 | 第56-57页 |
| 4.2.3 Camshift跟踪算法中加入运动约束 | 第57-59页 |
| 4.2.4 用Kalman滤波器预测Camshift跟踪 | 第59-68页 |
| 4.2.5 组合跟踪算法 | 第68页 |
| 4.3 多人脸跟踪情况的分析及解决 | 第68-76页 |
| 4.3.1 单运动目标跟踪 | 第68-69页 |
| 4.3.2 多运动目标跟踪 | 第69-76页 |
| 4.4 终止跟踪的条件设置 | 第76-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第5章 人脸图像筛选 | 第78-88页 |
| 5.1 基于清晰度的人脸图像筛选 | 第78-84页 |
| 5.2 基于正面性的人脸图像筛选 | 第84-85页 |
| 5.3 基于清晰度和正面性的人脸图像筛选 | 第85-87页 |
| 5.4 本章小结 | 第87-88页 |
| 第6章 总结与展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-96页 |
| 作者简介 | 第96页 |
