| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 课题的研究现状 | 第10-12页 |
| 1.3 课题的研究难点 | 第12-13页 |
| 1.4 本文的主要内容和章节安排 | 第13-15页 |
| 1.4.1 论文的主要研究内容 | 第13页 |
| 1.4.2 论文的章节安排 | 第13-15页 |
| 第二章 人脸跟踪算法的理论基础 | 第15-23页 |
| 2.1 颜色空间 | 第15-17页 |
| 2.1.1 RGB颜色空间 | 第15-16页 |
| 2.1.2 HSV颜色空间 | 第16-17页 |
| 2.1.3 YCbCr颜色空间 | 第17页 |
| 2.2 颜色空间转换 | 第17-19页 |
| 2.2.1 RGB颜色空间转化为HSV颜色空间 | 第17-18页 |
| 2.2.2 RGB颜色空间转化为YCbCr颜色空间 | 第18-19页 |
| 2.3 颜色直方图 | 第19-20页 |
| 2.4 反向投影 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 Camshift算法的分析与实现 | 第23-35页 |
| 3.1 Meanshift算法理论 | 第23-26页 |
| 3.1.1 概率密度估计 | 第23-24页 |
| 3.1.2 Meanshift算法描述 | 第24-25页 |
| 3.1.3 核函数介绍 | 第25-26页 |
| 3.2 Meanshift算法在跟踪中的应用 | 第26-30页 |
| 3.2.1 目标模型的表示 | 第26-28页 |
| 3.2.2 候选目标模型的表示 | 第28页 |
| 3.2.3 相似性度量 | 第28-29页 |
| 3.2.4 目标定位 | 第29-30页 |
| 3.2.5 Meanshift用在跟踪中的算法流程 | 第30页 |
| 3.3 Camshift跟踪算法描述 | 第30-34页 |
| 3.3.1 Camshift算法的实现过程 | 第31-33页 |
| 3.3.2 Camshift算法的实验结果及分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 简单背景下的人脸跟踪 | 第35-45页 |
| 4.1 基于帧间差分法的运动目标检测 | 第35-37页 |
| 4.2 数学形态学处理 | 第37-39页 |
| 4.3 基于YCbCr颜色空间的肤色检测 | 第39-41页 |
| 4.4 算法设计与实验分析 | 第41-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 复杂背景下的人脸跟踪 | 第45-57页 |
| 5.1 ASM人脸特征点定位 | 第45-49页 |
| 5.1.1 建立形状模型 | 第46-48页 |
| 5.1.2 构建局部特征 | 第48页 |
| 5.1.3 ASM目标搜索 | 第48-49页 |
| 5.2 基于特征点定位的Camshift人脸跟踪算法 | 第49-56页 |
| 5.2.1 “三庭五眼”规则 | 第49-50页 |
| 5.2.2 跟踪框大小及其偏转方向的计算 | 第50-52页 |
| 5.2.3 实验结果及算法分析 | 第52-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
