基于人脸识别的目标检测与跟踪算法研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 智能监控系统研究现状 | 第11-12页 |
| 1.2.2 人脸检测研究现状 | 第12-14页 |
| 1.2.3 人脸识别研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 系统硬件设计及软件开发环境搭建 | 第17-29页 |
| 2.1 系统功能设计 | 第17页 |
| 2.2 搭建硬件开发平台 | 第17-20页 |
| 2.2.1 视频采集模块设计 | 第18-19页 |
| 2.2.2 视频显示模块设计 | 第19-20页 |
| 2.2.3 蜂鸣器报警模块设计 | 第20页 |
| 2.3 系统软件开发平台 | 第20-29页 |
| 2.3.1 搭建QtCreator集成开发环境 | 第21-22页 |
| 2.3.2 搭建OpenCV集成开发环境 | 第22-24页 |
| 2.3.3 Android应用程序开发环境 | 第24-25页 |
| 2.3.4 交叉编译环境 | 第25-26页 |
| 2.3.5 编译并定制Android内核 | 第26-29页 |
| 第三章 目标检测算法实现 | 第29-47页 |
| 3.1 前景目标提取算法 | 第29-32页 |
| 3.1.1 ViBe算法 | 第29-30页 |
| 3.1.2 混合高斯背景模型法 | 第30-31页 |
| 3.1.3 三帧差分法 | 第31-32页 |
| 3.1.4 实验效果 | 第32页 |
| 3.2 特征提取 | 第32-40页 |
| 3.2.1 HOG特征 | 第33-35页 |
| 3.2.2 LBP特征 | 第35-37页 |
| 3.2.3 Haar-like特征+积分图 | 第37-40页 |
| 3.3 AdaBoost算法训练分类器 | 第40-47页 |
| 3.3.1 AdaBoost算法简介 | 第40-41页 |
| 3.3.2 AdaBoost训练样本集 | 第41-42页 |
| 3.3.3 结合OpenCV生成训练器 | 第42-47页 |
| 第四章 目标跟踪算法实现 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 CamShift目标跟踪算法 | 第47-52页 |
| 4.2.1 MeanShift向量 | 第47-48页 |
| 4.2.2 基于核函数的MeanShift算法 | 第48-49页 |
| 4.2.3 CamShift算法实现过程 | 第49-50页 |
| 4.2.4 OpenCV中CamShift跟踪 | 第50-52页 |
| 4.3 卡尔曼滤波跟踪算法 | 第52-54页 |
| 4.3.1 卡尔曼滤波简介 | 第52页 |
| 4.3.2 OpenCV中Kalman滤波器 | 第52-53页 |
| 4.3.3 实验效果 | 第53-54页 |
| 4.4 KCF目标跟踪算法 | 第54-57页 |
| 4.4.1 KCF算法简介 | 第54页 |
| 4.4.2 KCF跟踪器算法流程 | 第54-56页 |
| 4.4.3 KCF快速跟踪性能 | 第56-57页 |
| 4.5 总结 | 第57-59页 |
| 第五章 智能监控系统功能实现 | 第59-63页 |
| 5.1 开发QT人机交互界面 | 第59-61页 |
| 5.2 安防系统功能实现 | 第61页 |
| 5.3 安防软件植入Android操作系统 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间所取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
