| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 人脸目标检测研究现状 | 第9-10页 |
| 1.2.2 人脸目标识别研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 2 微信小视频的人脸目标检测 | 第13-28页 |
| 2.1 微信小视频的相关介绍 | 第13-15页 |
| 2.1.1 微信小视频的问世 | 第13页 |
| 2.1.2 微信小视频的编码格式 | 第13-15页 |
| 2.1.3 微信小视频的获取 | 第15页 |
| 2.2 图像预处理 | 第15-17页 |
| 2.2.1 中值滤波 | 第16页 |
| 2.2.2 灰度图像的均衡化 | 第16-17页 |
| 2.3 肤色区域分割 | 第17-21页 |
| 2.3.1 YCrCb颜色空间 | 第18页 |
| 2.3.2 高斯肤色模型 | 第18-19页 |
| 2.3.3 肤色区域分割 | 第19-20页 |
| 2.3.4 形态学处理及肤色块筛选 | 第20-21页 |
| 2.4 Adaboost算法 | 第21-25页 |
| 2.4.1 Adaboost算法的提出 | 第21-23页 |
| 2.4.2 Haar-like特征和积分图 | 第23-24页 |
| 2.4.3 Haar-like特征工作原理 | 第24页 |
| 2.4.4 分类器级联 | 第24-25页 |
| 2.5 融合肤色分割与Adaboost算法的人脸检测 | 第25-26页 |
| 2.6 人脸目标检测实验 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 3 微信小视频的人脸目标跟踪 | 第28-33页 |
| 3.1 MeanShift算法介绍 | 第28-30页 |
| 3.1.1 HSV颜色空间 | 第28-29页 |
| 3.1.2 直方图反向投影 | 第29页 |
| 3.1.3 MeanShift算法实现流程 | 第29-30页 |
| 3.2 CamShift算法 | 第30-31页 |
| 3.3 人脸目标跟踪实验 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 微信小视频的人脸目标识别 | 第33-51页 |
| 4.1 基于二维Gabor小波的图像特征表示 | 第33-36页 |
| 4.1.1 Gabor小波变换 | 第33-34页 |
| 4.1.2 二维Gabor小波变换 | 第34-36页 |
| 4.2 基于双向2DPCA的人脸图像特征降维 | 第36-42页 |
| 4.2.1 PCA算法 | 第36-38页 |
| 4.2.2 2DPCA算法 | 第38-40页 |
| 4.2.3 双向2DPCA算法 | 第40-42页 |
| 4.3 人脸特征分类 | 第42-48页 |
| 4.3.1 SVM分类器基本原理 | 第42-46页 |
| 4.3.2 核函数 | 第46-47页 |
| 4.3.3 分类器设计 | 第47-48页 |
| 4.4 人脸目标识别实验 | 第48-50页 |
| 4.4.1 人脸库介绍 | 第48-49页 |
| 4.4.2 实验结果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 微信小视频的人脸检测与识别原型系统 | 第51-54页 |
| 5.1 人脸检测与识别原型系统设计 | 第51页 |
| 5.2 人脸检测与识别原型系统实现 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |