| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 本文主要工作 | 第10-11页 |
| 1.2.1 人脸识别 | 第10-11页 |
| 1.2.2 运动物体追踪 | 第11页 |
| 1.3 研究思路以及论文结构 | 第11-13页 |
| 参考文献 | 第13-15页 |
| 第2章 人脸识别研究现状 | 第15-23页 |
| 2.1 人脸识别问题历史发展 | 第15-16页 |
| 2.2 基于深度神经网络的的人脸识别系统 | 第16-18页 |
| 2.2.1 Face++ | 第17页 |
| 2.2.2 SeetaFace | 第17页 |
| 2.2.3 CNN-3DMM | 第17-18页 |
| 2.3 开源的人脸识别库SeetaFace | 第18-20页 |
| 2.3.1 人脸检测模块 | 第18页 |
| 2.3.2 面部特征点定位模块 | 第18-19页 |
| 2.3.3 人脸特征提取与比对模块 | 第19-20页 |
| 参考文献 | 第20-23页 |
| 第3章 运动物体追踪算法 | 第23-37页 |
| 3.1 追踪问题介绍 | 第23-24页 |
| 3.2 典型的物体追踪算法 | 第24-35页 |
| 3.2.1 模板匹配 | 第24-26页 |
| 3.2.2 二帧差分法 | 第26-28页 |
| 3.2.3 CamShift算法 | 第28-30页 |
| 3.2.4 Kalman追踪算法 | 第30-32页 |
| 3.2.5 粒子滤波算法 | 第32-35页 |
| 参考文献 | 第35-37页 |
| 第4章 追踪算法的优化 | 第37-47页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于人脸识别的目标人物追踪区域选择 | 第38-39页 |
| 4.3 Kalman滤波器的预测作用 | 第39-40页 |
| 4.4 帧间差分算法的融合 | 第40-43页 |
| 4.4.1 三帧差分法 | 第41-42页 |
| 4.4.2 二帧差分与三帧差分对比 | 第42-43页 |
| 4.4.3 帧间差分解决相似颜色干扰 | 第43页 |
| 4.5 基于方向预测的CamShift算法(RCA—DR) | 第43-46页 |
| 参考文献 | 第46-47页 |
| 第5章 基于面部识别的人体运动追踪系统的实现 | 第47-57页 |
| 5.1 实验系统介绍 | 第47页 |
| 5.2 实验设计 | 第47-48页 |
| 5.2.1 试验场景设计 | 第47-48页 |
| 5.3 实验结果与数据 | 第48-50页 |
| 5.4 追踪效果对比 | 第50-57页 |
| 5.4.1 简单户外场景 | 第51-52页 |
| 5.4.2 复杂室内场景 | 第52-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |