| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-10页 |
| ·视频监控系统现状 | 第10-12页 |
| ·人脸检测与跟踪研究现状 | 第12-14页 |
| ·论文的章节安排 | 第14-17页 |
| 第2章 基于 Adaboost 算法的人脸检测理论 | 第17-29页 |
| ·引言 | 第17-18页 |
| ·Haar 特征与积分图 | 第18-21页 |
| ·特征选择 | 第18-19页 |
| ·积分图 | 第19-21页 |
| ·Adaboost 算法与级联分类器 | 第21-28页 |
| ·学习分类函数 | 第21-23页 |
| ·Adaboost 学习方法 | 第23-26页 |
| ·级联分类器结构 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 Mean Shift 跟踪理论 | 第29-49页 |
| ·颜色直方图 | 第29-32页 |
| ·局部二值模式 | 第32-37页 |
| ·局部二值模式直方图 | 第36-37页 |
| ·Mean Shift 理论 | 第37-42页 |
| ·无参密度估计 | 第38页 |
| ·直方图估计 | 第38-39页 |
| ·核密度估计 | 第39-41页 |
| ·Rosenblatt 估计 | 第41页 |
| ·最近邻估计 | 第41-42页 |
| ·Mean Shift 算法 | 第42-43页 |
| ·基于 Mean Shift 的跟踪算法 | 第43-47页 |
| ·目标表示 | 第45-46页 |
| ·Mean Shift 跟踪 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 视频中人脸检测跟踪设计 | 第49-63页 |
| ·人脸检测仿真 | 第49-56页 |
| ·训练人脸分类器 | 第49-50页 |
| ·基于 Adaboost 算法的人脸检测 | 第50-53页 |
| ·引入肤色分割模型的人脸检测 | 第53-56页 |
| ·视频序列中人脸跟踪仿真 | 第56-61页 |
| ·基于 Mean Shift 算法的跟踪结果 | 第58-59页 |
| ·结合 LBP 特征改进的 Mean Shift 算法跟踪 | 第59-61页 |
| ·本章总结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |