| 第1章 绪论 | 第1-13页 |
| ·本文课题的研究意义 | 第10页 |
| ·课题的国内外研究现状及分析 | 第10-12页 |
| ·本文课题的研究内容 | 第12-13页 |
| 第2章 概率进化算法 | 第13-27页 |
| ·引言 | 第13-14页 |
| ·量子进化算法 | 第14-16页 |
| ·量子位编码 | 第14-15页 |
| ·量子进化算法流程 | 第15-16页 |
| ·概率进化算法 | 第16-21页 |
| ·PEA中的个体表示 | 第17-18页 |
| ·PEA中的观测操作 | 第18页 |
| ·PEA中的更新操作 | 第18-19页 |
| ·PEA算法流程 | 第19-20页 |
| ·PEA中的参数设置 | 第20-21页 |
| ·算法性能测试 | 第21-27页 |
| ·函数优化 | 第21-23页 |
| ·测试函数 | 第21-22页 |
| ·算法参数设置 | 第22-23页 |
| ·计算结果与分析 | 第23页 |
| ·0-k背包问题 | 第23-27页 |
| ·0-k背包问题描述 | 第23页 |
| ·算法参数设置 | 第23-24页 |
| ·计算结果与分析 | 第24-27页 |
| 第3章 基于概率进化算法的人体跟踪 | 第27-38页 |
| ·引言 | 第27-28页 |
| ·基于退火粒子滤波的人体跟踪 | 第28-31页 |
| ·粒子滤波 | 第28-29页 |
| ·退火粒子滤波 | 第29-30页 |
| ·基于退火粒子滤波人体跟踪算法 | 第30-31页 |
| ·基于概率进化算法的人体跟踪 | 第31-34页 |
| ·基于PEA的人体跟踪框架 | 第31页 |
| ·搜索策略 | 第31-32页 |
| ·本文采用的人体模型 | 第32-34页 |
| ·算法验证 | 第34-38页 |
| ·参数设置 | 第34页 |
| ·实验结果 | 第34-38页 |
| 第4章 结合相关向量机和Boosting学习的多人脸跟踪 | 第38-60页 |
| ·引言 | 第38-39页 |
| ·相关向量机 | 第39-40页 |
| ·基于Boosting学习的人脸检测器 | 第40-41页 |
| ·系统概述 | 第41-43页 |
| ·人脸模型 | 第43-44页 |
| ·人脸运动模型 | 第43页 |
| ·人脸色彩模型 | 第43-44页 |
| ·人脸跟踪 | 第44-46页 |
| ·使用人脸运动模型进行跟踪 | 第45页 |
| ·跟踪结果验证 | 第45-46页 |
| ·人脸匹配 | 第46-51页 |
| ·搜索邻域的确定 | 第47页 |
| ·相似度矩阵 | 第47-48页 |
| ·基于相似度矩阵的人脸匹配算法 | 第48-51页 |
| ·完整的算法 | 第51-52页 |
| ·实验验证 | 第52-60页 |
| ·图像序列 | 第52页 |
| ·参数设置 | 第52-53页 |
| ·实验结果与分析 | 第53-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69页 |