| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·目标检测追踪算法综述 | 第9-11页 |
| ·主要目标检测方法介绍 | 第11-16页 |
| ·基于视频序列的目标检测 | 第11-14页 |
| ·单帧信息图像的多种目标检测算法 | 第14-16页 |
| ·本论文的主要研究工作 | 第16-19页 |
| 2 Adaboost 算法介绍 | 第19-31页 |
| ·Boosting 算法和 Bagging 算法概述 | 第19-20页 |
| ·Adaboost 学习算法 | 第20-31页 |
| ·传统Adaboost | 第20-21页 |
| ·HaarFeature 矩形特征 | 第21-22页 |
| ·矩形特征扩展 | 第22-26页 |
| ·弱分类器的构造 | 第26页 |
| ·级联强分类器的构造 | 第26-29页 |
| ·Adaboost 性能 | 第29-31页 |
| 3 改进融合 Adaboost 用于人眼精确定位 | 第31-43页 |
| ·人眼精确定位的意义 | 第31页 |
| ·图像的预处理 | 第31-33页 |
| ·灰度变换 | 第31-32页 |
| ·YUV 色彩空间转灰度空间 | 第32-33页 |
| ·眼睛分类器的训练 | 第33-35页 |
| ·分类器训练以及训练参数间的关系 | 第33-34页 |
| ·分类器的训练步骤 | 第34-35页 |
| ·眼睛定位双层分类器的构建 | 第35-36页 |
| ·眼睛检测标准 | 第36-37页 |
| ·检测的实现 | 第37-40页 |
| ·实验结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 Adaboost 用于嘴和鼻子的检测追踪 | 第43-54页 |
| ·基于模板和非模板的人脸特征检测 | 第43-44页 |
| ·基于模板的人脸特征检测 | 第43页 |
| ·非模板方法 | 第43-44页 |
| ·融合 YCbCr 与 Adaboost 的人脸特征检测 | 第44-53页 |
| ·基于YCbCr 模板的五官检测 | 第45-46页 |
| ·YCbCr 空间嘴模板 | 第46-48页 |
| ·YCbCr 与Adaboost 分类器信息融合 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 5 改进 Adaboost 用于复杂背景下目标检测 | 第54-61页 |
| ·算法设想 | 第54-55页 |
| ·Patch-like 改进算法 | 第55-58页 |
| ·弱分类器的挑选 | 第55-56页 |
| ·“补丁”分类器设计 | 第56-58页 |
| ·目标物体检测分类器 | 第58页 |
| ·实验 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 人脸及脸部特征检测跟踪系统的实现 | 第61-64页 |
| ·前言 | 第61页 |
| ·系统组成 | 第61-62页 |
| ·软件界面 | 第62页 |
| ·图像采集 | 第62-63页 |
| ·软件实现 | 第63-64页 |
| 7 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-73页 |
