| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题提出的背景和意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·国内外人脸跟踪的研究进展 | 第9-10页 |
| ·人脸跟踪的评价标准 | 第10页 |
| ·人脸跟踪的难点 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·本文章节安排 | 第11-13页 |
| 第二章 人脸跟踪方法综述 | 第13-18页 |
| ·引言 | 第13页 |
| ·人脸跟踪的技术关键 | 第13-14页 |
| ·人脸跟踪方法综述 | 第14-17页 |
| ·人脸跟踪方法分类 | 第14-16页 |
| ·人脸跟踪系统流程图 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 均值偏移（Mean Shift）算法 | 第18-24页 |
| ·引言 | 第18页 |
| ·目标跟踪中的 Mean Shift 算法理论分析 | 第18-22页 |
| ·Mean Shift 算法基本思路 | 第18-19页 |
| ·目标跟踪中的Mean Shift 算法 | 第19-22页 |
| ·本章小结 | 第22-24页 |
| 第四章 Mean Shift 与 Kalman 滤波相结合的人脸跟踪系统 | 第24-40页 |
| ·引言 | 第24页 |
| ·卡尔曼滤波 | 第24-29页 |
| ·卡尔曼滤波基本原理 | 第25-28页 |
| ·基于卡尔曼滤波器的运动目标预测 | 第28-29页 |
| ·Mean Shift 与 Kalman 相结合的跟踪系统 | 第29-35页 |
| ·目标区域特征提取 | 第29-32页 |
| ·卡尔曼预测模型 | 第32-34页 |
| ·目标区域Mean Shift 迭代搜索 | 第34-35页 |
| ·卡尔曼更新模型 | 第35页 |
| ·基于 Kalman 的 Mean Shift 跟踪流程图 | 第35-36页 |
| ·实验结果及分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 Mean Shift 与粒子滤波相结合的人脸跟踪系统 | 第40-56页 |
| ·引言 | 第40页 |
| ·粒子滤波算法 | 第40-45页 |
| ·非线性贝叶斯估计理论 | 第41-42页 |
| ·蒙特卡洛方法 | 第42-45页 |
| ·粒子滤波算法流程图 | 第45-46页 |
| ·基于 Mean Shift 的粒子滤波算法的实现 | 第46-53页 |
| ·基本原理 | 第46-47页 |
| ·具体算法设计 | 第47-51页 |
| ·Mean Shift 收敛粒子中核函数及带宽问题 | 第51-52页 |
| ·算法描述 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·本文研究成果 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
