| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·前言 | 第11页 |
| ·人脸检测技术的相关研究 | 第11-13页 |
| ·基于知识的方法 | 第12页 |
| ·特征不变的方法 | 第12页 |
| ·模板匹配的方法 | 第12-13页 |
| ·基于外观的方法 | 第13页 |
| ·人脸追踪技术的相关研究 | 第13-15页 |
| ·运动目标检测的方法 | 第13-14页 |
| ·人脸跟踪技术 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 2 ADABOOST 算法 | 第16-27页 |
| ·ADABOOST 训练算法 | 第16-24页 |
| ·训练样本的准备 | 第17页 |
| ·harr 特征的选取 | 第17-19页 |
| ·积分图像 | 第19-21页 |
| ·弱分类器 | 第21页 |
| ·强分类器 | 第21-22页 |
| ·Adaboost 训练算法 | 第22-24页 |
| ·ADABOOST人脸检测 | 第24-27页 |
| ·图像金字塔 | 第24-25页 |
| ·级联型的强分类器 | 第25-27页 |
| 3 ADABOOST 训练检测及改进的ADABOOST 人脸检测 | 第27-52页 |
| ·试验系统介绍 | 第27页 |
| ·传统的ADABOOST训练及检测 | 第27-38页 |
| ·Adaboost 训练 | 第27-36页 |
| ·Adaboost 人脸检测 | 第36-38页 |
| ·改进的人脸检测 | 第38-50页 |
| ·传统的Adaboost 检测方法的问题 | 第38-39页 |
| ·优化的算法1------基于内部结构的人脸判别系统 | 第39-41页 |
| ·优化的算法2------分区域结构检测的方法 | 第41-43页 |
| ·优化的算法3------结构要素重叠和嵌套问题的排除 | 第43-47页 |
| ·优化的算法4------人脸嵌套检测问题的解决 | 第47-49页 |
| ·综合使用四种优化算法 | 第49-50页 |
| ·改进的算法在不用分类器上的实验结果对比 | 第50-52页 |
| ·Opencv 分类器加结构检测器前后的对比 | 第50-51页 |
| ·自建分类器加结构检测器前后的对比 | 第51-52页 |
| 4 CAMSHIFT 算法 | 第52-56页 |
| ·颜色概率分布 | 第52-53页 |
| ·MEAN SHIFT算法 | 第53-54页 |
| ·CAM SHIFT算法 | 第54-56页 |
| 5 传统的CAMSHIFT 算法和改进的CAMSHIFT 算法 | 第56-62页 |
| ·传统的CAMSHIFT算法 | 第56-57页 |
| ·传统CAMSHIFT 算法的问题 | 第57页 |
| ·改进的CAMSHIFT算法 | 第57-62页 |
| ·利用人脸检测初始化跟踪模板 | 第57-59页 |
| ·自动初始化的问题 | 第59-60页 |
| ·改进的算法---------初始化模板稳定性判决系统 | 第60-62页 |
| 6 总结与展望 | 第62-65页 |
| ·本文的工作总结 | 第62-63页 |
| ·本文的不足及展望 | 第63-65页 |
| ·人脸检测方面 | 第63-64页 |
| ·人脸跟踪方面 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69-70页 |
| 发表的论文 | 第70页 |
