基于视频的人脸追踪与识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·本论文研究内容 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·人脸检测与追踪研究现状 | 第10-12页 |
| ·人脸识别研究现状 | 第12-13页 |
| ·本论文的研究难点 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 人脸检测与追踪 | 第16-24页 |
| ·视频人脸检测 | 第16-20页 |
| ·特征提取 | 第16-17页 |
| ·积分图 | 第17-18页 |
| ·基于Haar级联的人脸检测 | 第18-19页 |
| ·Adaboost算法流程 | 第19-20页 |
| ·视频人脸追踪 | 第20-22页 |
| ·Meanshift追踪算法简介 | 第20-21页 |
| ·Camshift追踪算法分析 | 第21-22页 |
| ·视频人脸检测与追踪设计思路 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 人脸特征提取与识别 | 第24-37页 |
| ·特征提取与识别流程 | 第24页 |
| ·人脸图像预处理 | 第24-28页 |
| ·直方图均衡化 | 第25-27页 |
| ·中值滤波 | 第27页 |
| ·人脸图像归一化 | 第27-28页 |
| ·HOG-LTP人脸特征提取 | 第28-34页 |
| ·HOG特征提取 | 第28-30页 |
| ·LBP特征提取 | 第30-32页 |
| ·LTP特征提取 | 第32-33页 |
| ·特征融合方式 | 第33页 |
| ·KPCA特征降维处理 | 第33-34页 |
| ·人脸分类器设计 | 第34-36页 |
| ·SVM算法简介 | 第34-35页 |
| ·SVM算法推导 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 实验结果分析及讨论 | 第37-45页 |
| ·实验环境与数据库选择 | 第37-38页 |
| ·实验仿真与结果分析 | 第38-44页 |
| ·视频人脸检测与追踪实验 | 第38-40页 |
| ·视频人脸追踪与识别实验 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·总结 | 第45-46页 |
| ·展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 作者简介 | 第53页 |
| 攻读硕士学位期间研究成果 | 第53页 |
