| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 人脸检测与跟踪研究现状 | 第12-14页 |
| 1.2.1 人脸检测研究现状 | 第12-13页 |
| 1.2.2 人脸跟踪研究现状 | 第13-14页 |
| 1.3 面临的主要难题 | 第14-15页 |
| 1.4 研究内容及结构安排 | 第15-18页 |
| 1.4.1 本文研究内容 | 第15-16页 |
| 1.4.2 文章结构安排 | 第16-18页 |
| 第2章 基于近红外视频人脸检测技术的研究 | 第18-30页 |
| 2.1 近红外成像技术原理 | 第18-23页 |
| 2.1.1 热红外人脸成像技术 | 第19-20页 |
| 2.1.2 近红外人脸成像技术 | 第20-22页 |
| 2.1.3 近红外成像采集设备 | 第22-23页 |
| 2.2 视频序列的去抖动图像预处理 | 第23-29页 |
| 2.2.1 基于ORB特征点的视频抖动检测 | 第23-25页 |
| 2.2.2 抖动过滤 | 第25-26页 |
| 2.2.3 视频平滑度评价 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于近红外的人脸检测算法研究 | 第30-42页 |
| 3.1 视频帧的预处理 | 第30页 |
| 3.2 基于ADABOOST的检测算法 | 第30-41页 |
| 3.2.1 Haar特征 | 第31-32页 |
| 3.2.2 积分图 | 第32-34页 |
| 3.2.3 学习分类器函数 | 第34-35页 |
| 3.2.4 Adaboost学习方法 | 第35-36页 |
| 3.2.5 级联分类器结构 | 第36-38页 |
| 3.2.6 Adaboost算法流程及实验结果分析 | 第38-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 运动人脸检测跟踪系统的实现与设计 | 第42-56页 |
| 4.1 以MEAN SHIFT为核心的跟踪算法概述 | 第42-47页 |
| 4.1.1 Mean Shift算法简介 | 第42-44页 |
| 4.1.2 Mean Shift跟踪原理 | 第44-46页 |
| 4.1.3 Mean Shift的局限性 | 第46-47页 |
| 4.2 状态估计的跟踪算法 | 第47-55页 |
| 4.2.1 卡尔曼滤波器 | 第48-50页 |
| 4.2.2 融合卡尔曼滤波的人脸跟踪方法 | 第50-52页 |
| 4.2.3 实验结果及分析 | 第52-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |