用于裸眼3D显示的DSP人眼跟踪技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景以及意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-11页 |
| 1.3 目标跟踪技术的研究现状 | 第11页 |
| 1.4 论文的内容安排 | 第11-14页 |
| 第二章 基于高斯肤色模型的人脸跟踪算 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 CamShift算法 | 第14-18页 |
| 2.2.1 MeanShift基本概念 | 第14-15页 |
| 2.2.2 MeanShift的扩展 | 第15-16页 |
| 2.2.3 MeanShift算法步骤 | 第16-17页 |
| 2.2.4 CamShift跟踪算法 | 第17-18页 |
| 2.3 Kalman滤波器 | 第18-20页 |
| 2.3.1 预估器 | 第18-19页 |
| 2.3.2 Kalman滤波器的基本原理 | 第19-20页 |
| 2.4 肤色模型 | 第20-22页 |
| 2.4.1 YCbCr颜色空间 | 第20-21页 |
| 2.4.2 高斯肤色模型 | 第21-22页 |
| 2.5 人脸跟踪算法的设计 | 第22-25页 |
| 2.6 人脸跟踪算法的实验与分析 | 第25-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 人脸区域的人眼检测 | 第29-49页 |
| 3.1 主成分分析(PCA)原理 | 第29-32页 |
| 3.1.1 离散Karhumen-Loeve变换 | 第29-30页 |
| 3.1.2 基于K-L变换的特征提取 | 第30-31页 |
| 3.1.3 奇异值分解(SVD) | 第31-32页 |
| 3.2 支持向量机(SVM)的基本理论 | 第32-35页 |
| 3.3 基于多领域块的候选人眼的提取 | 第35-37页 |
| 3.4 人脸区域人眼检测算法的设计 | 第37-38页 |
| 3.5 人脸区域人眼的检测试验与分析 | 第38-45页 |
| 3.5.1 分类器的训练 | 第38-41页 |
| 3.5.2 候选人眼的提取实验 | 第41-42页 |
| 3.5.3 人眼分类器的检测实验 | 第42-45页 |
| 3.6 人眼跟踪算法的设计与实验 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 算法的DSP嵌入式平台移植 | 第49-71页 |
| 4.1 DSP硬件平台以及开发环境的介绍 | 第49-51页 |
| 4.1.1 达芬奇技术概述 | 第50-51页 |
| 4.1.2 Codec Engine简介 | 第51页 |
| 4.2 优化前的准备 | 第51-53页 |
| 4.3 算法的C代码优化 | 第53-57页 |
| 4.3.1 数据类型的优化 | 第53页 |
| 4.3.2 函数的优化 | 第53页 |
| 4.3.3 数值运算的优化 | 第53-54页 |
| 4.3.4 循环体的优化 | 第54页 |
| 4.3.5 算法优化实例 | 第54-57页 |
| 4.4 DSP平台相关优化 | 第57-69页 |
| 4.4.1 软件流水的优化 | 第58-61页 |
| 4.4.2 浮点转定点 | 第61-62页 |
| 4.4.3 基于DSP指令集的优化 | 第62-63页 |
| 4.4.4 函数库的使用 | 第63-64页 |
| 4.4.5 内部RAM的使用 | 第64-66页 |
| 4.4.6 与DSP平台相关优化的实例 | 第66-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 论文总结 | 第71页 |
| 5.2 未来展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间发表的学术论文 | 第77页 |
