基于视频流的快速人脸检测与实时跟踪算法研究
摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-20页 |
·研究背景及意义 | 第12-16页 |
·研究背景 | 第12-13页 |
·相关研究概念 | 第13-14页 |
·涉及学科及理论 | 第14-16页 |
·研究现状 | 第16-18页 |
·人脸检测研究现状 | 第16-17页 |
·人脸跟踪技术研究现状 | 第17-18页 |
·本文工作及内容安排 | 第18-20页 |
·主要工作 | 第18-19页 |
·论文各章内容安排 | 第19-20页 |
第二章 人脸检测综述 | 第20-37页 |
·人脸检测概述 | 第20-21页 |
·基于统计的人脸检测算法 | 第21-24页 |
·基于人工神经网络的方法 | 第22-23页 |
·基于支持向量机的方法 | 第23-24页 |
·主成分分析法 | 第24页 |
·基于特征的人脸检测算法 | 第24-26页 |
·基于轮廓对称性的人脸检测法 | 第24-25页 |
·基于局部特征人脸检测 | 第25-26页 |
·基于肤色模型人脸检测算法 | 第26-34页 |
·色彩系统的表示及其转换 | 第27-31页 |
·肤色模型的建立 | 第31-33页 |
·基于肤色模型的人脸检测方法的小结 | 第33-34页 |
·基于模板的人脸检测算法 | 第34-36页 |
·固定模板人脸检测方法 | 第34-35页 |
·可变形模板人脸检测方法 | 第35-36页 |
·小结 | 第36-37页 |
第三章 基于类 HAAR 特征的人脸检测 | 第37-45页 |
·评价标准 | 第37-38页 |
·人脸特征的提取 | 第38-42页 |
·Haar 变换 | 第38-39页 |
·类Haar 特征 | 第39-41页 |
·快速检测算法 | 第41-42页 |
·构建分类器 | 第42-44页 |
·弱分类器 | 第42-43页 |
·强分类器 | 第43页 |
·级联分类器 | 第43-44页 |
·本章小结 | 第44-45页 |
第四章 ADABOOST 人脸检测算法的改进 | 第45-52页 |
·ADABOOST算法 | 第45-46页 |
·ADABOOST算法的训练过程 | 第46-48页 |
·选择训练样本 | 第46-47页 |
·训练过程的实现 | 第47-48页 |
·改进 ADABOOST 算法 | 第48-50页 |
·AdaBoost 算法的检测过程 | 第48-49页 |
·优化多尺度检测问题 | 第49-50页 |
·算法加速策略 | 第50-51页 |
·小结 | 第51-52页 |
第五章 多姿态人脸检测 | 第52-59页 |
·平面内旋转 | 第52-54页 |
·径向模板 | 第52-54页 |
·估算旋转角度 | 第54页 |
·平面外旋转 | 第54-56页 |
·多姿态人脸检测的实现 | 第56-57页 |
·多姿态人脸的训练实现 | 第56页 |
·多姿态人脸的检测实现 | 第56-57页 |
·检测算法的扩展 | 第57-58页 |
·小结 | 第58-59页 |
第六章 人脸跟踪算法的研究与实现 | 第59-75页 |
·引言 | 第59页 |
·人脸跟踪技术 | 第59-62页 |
·概述 | 第59-60页 |
·研究现状 | 第60-62页 |
·人脸跟踪算法 | 第62-66页 |
·颜色概率分布图 | 第62-63页 |
·Mean Shift 算法 | 第63-64页 |
·CamShift 算法 | 第64-66页 |
·CAMSHIFT 人脸跟踪算法实现 | 第66-69页 |
·CamShift 算法实现基本流程 | 第66-67页 |
·使用AdaBoost 算法自动初始化跟踪窗口 | 第67页 |
·人脸检测与跟踪交互进行 | 第67-68页 |
·实验结果与分析 | 第68-69页 |
·跟踪算法改进策略 | 第69-74页 |
·双眼模板提取 | 第70-71页 |
·模板的缩放 | 第71-72页 |
·模板的旋转 | 第72页 |
·实验结果 | 第72-74页 |
·本章小结 | 第74-75页 |
第七章 总结与展望 | 第75-77页 |
·本文工作总结 | 第75-76页 |
·将来工作展望 | 第76-77页 |
参考文献 | 第77-82页 |
致谢 | 第82-83页 |
附录 A 改进算法的部分检测结果 | 第83-85页 |
攻读学位期间的研究成果 | 第85页 |