| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的背景和意义 | 第9页 |
| ·人脸检测与跟踪技术的国内外现状 | 第9-12页 |
| ·人脸检测技术 | 第10-11页 |
| ·人脸跟踪技术 | 第11-12页 |
| ·课题存在的难点 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文章节安排 | 第14-15页 |
| 第二章 基于改进高斯模型的肤色分割算法 | 第15-28页 |
| ·引言 | 第15页 |
| ·常用色彩空间 | 第15-19页 |
| ·RGB 色彩空间 | 第15-16页 |
| ·HSV 色彩空间 | 第16-18页 |
| ·YUV 色彩空间 | 第18页 |
| ·YCbCr 色彩空间 | 第18-19页 |
| ·肤色模型概述 | 第19-21页 |
| ·阈值模型 | 第19-20页 |
| ·高斯模型 | 第20-21页 |
| ·混合高斯模型 | 第21页 |
| ·YCbCr 空间的改进高斯模型的肤色分割算法 | 第21-25页 |
| ·高斯模型分析 | 第21-22页 |
| ·构造当前高斯模型 | 第22-23页 |
| ·构造改进高斯模型 | 第23页 |
| ·改进高斯模型肤色分割 | 第23-25页 |
| ·实验结果与分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于 Adaboost 及改进肤色分割算法的人脸检测 | 第28-39页 |
| ·Adaboost 算法概述 | 第28-29页 |
| ·矩形特征与积分图 | 第29-32页 |
| ·矩形特征 | 第29-30页 |
| ·积分图 | 第30-32页 |
| ·Adaboost 分类器训练 | 第32-35页 |
| ·弱分类器的训练 | 第32-33页 |
| ·强分类器的训练 | 第33-34页 |
| ·级联分类器的构造 | 第34-35页 |
| ·基于 Adaboost 算法与肤色分割的人脸检测 | 第35-37页 |
| ·Adaboost 分类器的人脸检测 | 第35-36页 |
| ·基于 Adaboost 算法与改进肤色分割的人脸检测过程 | 第36-37页 |
| ·实验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于分块压缩感知的人脸跟踪算法 | 第39-47页 |
| ·引言 | 第39页 |
| ·压缩感知目标跟踪 | 第39-41页 |
| ·压缩感知理论 | 第39-40页 |
| ·Compressive Tracking | 第40-41页 |
| ·分块压缩跟踪 | 第41-43页 |
| ·算法流程 | 第43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·工作总结 | 第47页 |
| ·不足与展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间所完成的学术论文 | 第54页 |
