| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-17页 |
| ·引言 | 第12-13页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究现状 | 第14-16页 |
| ·本文的研究内容及组织结构 | 第16-17页 |
| 第二章 相关准备及预处理 | 第17-24页 |
| ·引言 | 第17页 |
| ·视频源的格式处理 | 第17-20页 |
| ·获取视频源信息 | 第17-18页 |
| ·处理视频格式 | 第18-20页 |
| ·视频帧的预处理 | 第20-23页 |
| ·直方图处理 | 第20页 |
| ·图像滤波 | 第20-22页 |
| ·形态学图像处理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于颜色特征的人脸目标跟踪算法 | 第24-41页 |
| ·人脸目标跟踪中的干扰因素分析 | 第24-25页 |
| ·人脸跟踪的分析简介 | 第25-26页 |
| ·基于颜色特征 H 的 Mean Shift 滤波跟踪算法 | 第26-32页 |
| ·Mean Shift 算法引言 | 第26-27页 |
| ·目标表示 | 第27-29页 |
| ·相似度计算 | 第29页 |
| ·目标定位描述 | 第29-30页 |
| ·Mean Shift 滤波算法 | 第30-31页 |
| ·基于颜色特征 H 的 Mean Shift 滤波跟踪算法实现流程 | 第31-32页 |
| ·基于颜色特征 H 的粒子滤波跟踪算法 | 第32-39页 |
| ·粒子滤波算法引言 | 第32-33页 |
| ·重要性采样 | 第33-35页 |
| ·状态传播 | 第35-36页 |
| ·重采样 | 第36-37页 |
| ·粒子滤波算法 | 第37-38页 |
| ·基于颜色特征 H 的粒子滤波跟踪算法的实现流程 | 第38-39页 |
| ·基于颜色特征 H 的滤波跟踪算法的性能优劣 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于小波特征改进的粒子滤波跟踪算法 | 第41-60页 |
| ·引言 | 第41页 |
| ·多分辨率处理 | 第41-46页 |
| ·小波变换 | 第46-52页 |
| ·一维小波变换 | 第46-47页 |
| ·快速小波变换 | 第47-49页 |
| ·二维小波变换 | 第49-51页 |
| ·Gabor 小波 | 第51-52页 |
| ·主元分析降维 | 第52-53页 |
| ·具有记忆性的目标基准算法 | 第53-55页 |
| ·基于小波特征改进的粒子滤波跟踪算法实现及流程 | 第55-56页 |
| ·算法的性能测试 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 多目标人脸跟踪系统的设计与实现 | 第60-68页 |
| ·引言 | 第60页 |
| ·计算机机器视觉库 OpenCV | 第60-63页 |
| ·关于 OpenCV | 第60-61页 |
| ·一般应用 | 第61页 |
| ·模块结构 | 第61-62页 |
| ·视频处理中的数据结构 | 第62-63页 |
| ·视频监控系统的设计 | 第63-66页 |
| ·系统框架 | 第63-64页 |
| ·跟踪模块的设计 | 第64-66页 |
| ·系统的运行结果 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·不足之处和展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻硕期间的研究成果 | 第75-76页 |