| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外发展现状 | 第10-11页 |
| ·目标跟踪技术的难题 | 第11页 |
| ·本文主要内容及章节安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 Mean Shift理论 | 第13-28页 |
| ·引言 | 第13页 |
| ·密度估计概论 | 第13-15页 |
| ·参数密度估计 | 第14-15页 |
| ·无参密度估计 | 第15页 |
| ·mean shift直观描述 | 第15-19页 |
| ·mean shift的基本形式 | 第19-20页 |
| ·拓展的mean shift | 第20-23页 |
| ·核函数 | 第20-22页 |
| ·mean shift的拓展形式 | 第22-23页 |
| ·mean shift物理含义 | 第23-24页 |
| ·概率密度梯度 | 第23-24页 |
| ·mean shift算法 | 第24-27页 |
| ·mean shift算法步骤 | 第24-25页 |
| ·算法收敛性证明 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 目标跟踪中的mean shift | 第28-37页 |
| ·跟踪过程综述 | 第28-29页 |
| ·目标模板的选取 | 第29-30页 |
| ·当前帧目标模型的选取 | 第30页 |
| ·相似性函数 | 第30页 |
| ·Bhattacharyya计算 | 第30-33页 |
| ·试验结果分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 遮挡问题的处理 | 第37-49页 |
| ·mean shift算法的不足之处 | 第37-38页 |
| ·融合卡尔曼滤波的mean shift | 第37页 |
| ·贝叶斯公式 | 第37-38页 |
| ·卡尔曼滤波原理 | 第38-41页 |
| ·预测原理论述 | 第38-40页 |
| ·算法分析 | 第40-41页 |
| ·融合卡尔曼滤波与mean shift算法的目标跟踪 | 第41-45页 |
| ·试验结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 人脸检测及追踪 | 第49-67页 |
| ·AdaBoost原理 | 第49-51页 |
| ·级联分类器 | 第50-51页 |
| ·矩阵特征 | 第51-54页 |
| ·haar特征 | 第51-52页 |
| ·矩阵特征个数的计算 | 第52-54页 |
| ·积分图 | 第54-57页 |
| ·基于积分图计算特征值 | 第55-57页 |
| ·级联分类器与检测过程 | 第57-58页 |
| ·弱分类器 | 第57-58页 |
| ·强分类器 | 第58页 |
| ·总体分析 | 第58-63页 |
| ·检测过程 | 第63-64页 |
| ·实验结果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 人脸跟踪 | 第67-74页 |
| ·Camshift算法介绍 | 第67-69页 |
| ·准确高效的人脸跟踪 | 第69-71页 |
| ·实验结果分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 7 工作总结与展望 | 第74-76页 |
| ·本文工作内容 | 第74页 |
| ·论文的不足之处 | 第74页 |
| ·总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 攻读博士（硕士）期间发表的论文及所取得的研究成果 | 第83页 |