| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 人脸检测与跟踪的研究现状 | 第9-14页 |
| 1.2.1 人脸检测技术研究现状 | 第9-11页 |
| 1.2.2 人脸跟踪技术研究现状 | 第11-14页 |
| 1.3 人脸检测与跟踪课题研究需攻克的难题 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第2章 经典CamShift跟踪算法 | 第16-27页 |
| 2.1 MeanShift算法 | 第16-22页 |
| 2.1.1 MeanShift定义 | 第16-17页 |
| 2.1.2 扩展MeanShift | 第17-19页 |
| 2.1.3 MeanShift跟踪算法基本原理 | 第19-22页 |
| 2.2 CamShift算法原理分析 | 第22-25页 |
| 2.2.1 颜色空间转换 | 第22-23页 |
| 2.2.2 直方图后向投影 | 第23-24页 |
| 2.2.3 CamShift跟踪算法流程 | 第24-25页 |
| 2.3 MeanShift与CamShift算法优缺点分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 融合特征模型的构建 | 第27-48页 |
| 3.1 纹理分析的概念与优势 | 第27-29页 |
| 3.1.1 纹理的概念 | 第27-28页 |
| 3.1.2 纹理分析的优势 | 第28-29页 |
| 3.2 局部二值模式纹理分析原理 | 第29-41页 |
| 3.2.1 基本局部二值模式 | 第29-33页 |
| 3.2.2 圆形局部二值模式 | 第33-36页 |
| 3.2.3 旋转不变量局部二值模式 | 第36-37页 |
| 3.2.4 规范型局部二值模式 | 第37-39页 |
| 3.2.5 局部二值模式的优势 | 第39-41页 |
| 3.3 可变局部边缘模式纹理分析原理 | 第41-46页 |
| 3.3.1 可变局部边缘模式算子 | 第41-43页 |
| 3.3.2 可变局部非边缘模式算子 | 第43-45页 |
| 3.3.3 边缘特征提取方法 | 第45-46页 |
| 3.4 融合特征模型的构建 | 第46页 |
| 3.5 融合纹理特征的扩展CamShift算法实现流程 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 纹理信息和预测机制在人脸检测与跟踪中的应用及实现 | 第48-64页 |
| 4.1 卡尔曼滤波算法理论 | 第48-51页 |
| 4.1.1 卡尔曼滤波算法思想 | 第48-49页 |
| 4.1.2 卡尔曼滤波算法优势 | 第49页 |
| 4.1.3 卡尔曼滤波算法推导 | 第49-51页 |
| 4.1.4 卡尔曼滤波工作流程 | 第51页 |
| 4.2 卡尔曼滤波预测机制的人脸跟踪算法实现流程 | 第51-52页 |
| 4.3 全自动人脸检测与跟踪算法流程 | 第52页 |
| 4.4 实验结果与分析 | 第52-63页 |
| 4.4.1 实验数据及条件 | 第53页 |
| 4.4.2 实验结果与分析 | 第53-63页 |
| 4.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
