首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共85页,点击 下载论文
上一篇:三维人脸识别系统研究
下一篇:基于DSP的水稻杂草识别研究