局部描述算子在视频序列目标检测应用中的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景和意义 | 第13页 |
| ·局部描述算子概述 | 第13-17页 |
| ·基本概念 | 第13-14页 |
| ·研究概况 | 第14-15页 |
| ·研究现状 | 第15-17页 |
| ·视频序列中的人脸检测 | 第17-18页 |
| ·本论文的结构安排 | 第18-19页 |
| 第二章 特征点检测 | 第19-30页 |
| ·尺度空间 | 第19-20页 |
| ·SIFT 特征点检测 | 第20-22页 |
| ·DoG 尺度空间的生成 | 第20-21页 |
| ·特征点的搜索 | 第21-22页 |
| ·SURF 特征点检测 | 第22-28页 |
| ·积分图像 | 第23页 |
| ·DoH 近似 | 第23-26页 |
| ·尺度空间表示 | 第26-28页 |
| ·SIFT 和 SURF 特征点实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 特征向量描述和特征匹配 | 第30-39页 |
| ·SURF 特征描述子 | 第30-35页 |
| ·特征点方向分配 | 第30-32页 |
| ·特征点的特征矢量生成 | 第32-35页 |
| ·特征点匹配 | 第35-38页 |
| ·最近邻查询 | 第35-36页 |
| ·匹配对的提纯 | 第36-38页 |
| ·比值提纯法 | 第36-37页 |
| ·一致性提纯法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 改进的特征点检测算法 | 第39-58页 |
| ·基于颜色不变量的 SURF 算法 | 第39-44页 |
| ·颜色不变量 | 第39-42页 |
| ·特征点检测与特征向量生成 | 第42-43页 |
| ·特征点检测 | 第42页 |
| ·特征向量生成 | 第42-43页 |
| ·实验结果 | 第43-44页 |
| ·改进的 SURF 特征点检测 | 第44-49页 |
| ·特征点提取的时间分析 | 第49-50页 |
| ·实验结果对比 | 第50-56页 |
| ·特征点数量和时间消耗对比 | 第52-53页 |
| ·尺度缩放情况下的比较 | 第53-54页 |
| ·视角变化情况下的比较 | 第54-55页 |
| ·光照变化情况下的比较 | 第55页 |
| ·JPEG 压缩情况下的比较 | 第55-56页 |
| ·图像模糊情况下的比较 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第五章 视频序列中的目标人脸检测 | 第58-70页 |
| ·基于 ADABOOST 算法的人脸检测 | 第58-62页 |
| ·Haar-like 特征 | 第58-59页 |
| ·Adaboost 算法 | 第59-61页 |
| ·人脸检测 | 第61-62页 |
| ·人脸图像的 SURF 特征 | 第62-64页 |
| ·目标人脸检测算法 | 第64-67页 |
| ·人脸子区域划分 | 第65-66页 |
| ·匹配算法 | 第66-67页 |
| ·目标人脸检测系统的实现 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·本文的主要贡献 | 第70-71页 |
| ·下一步工作的展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间取得的研究成果 | 第77-78页 |
