| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 瞳孔检测研究现状 | 第11-15页 |
| 1.2.1 基于人体测量学特征的方法 | 第11页 |
| 1.2.2 肤色模型 | 第11-12页 |
| 1.2.3 模版匹配法 | 第12-13页 |
| 1.2.4 基于时域信息的方法 | 第13页 |
| 1.2.5 基于机器学习的方法 | 第13-14页 |
| 1.2.6 现阶段瞳孔检测算法存在的问题 | 第14-15页 |
| 1.3 瞳孔跟踪研究现状 | 第15-17页 |
| 1.3.1 基于Lucas-Kanade的方法 | 第15页 |
| 1.3.2 基于粒子滤波的方法 | 第15-16页 |
| 1.3.3 基于Mean-Shift的方法 | 第16页 |
| 1.3.4 基于Camshift的方法 | 第16页 |
| 1.3.5 现阶段瞳孔跟踪算法存在的问题 | 第16-17页 |
| 1.4 本文主要研究内容及工作 | 第17页 |
| 1.5 本文结构安排 | 第17-20页 |
| 2 人眼区域检测 | 第20-32页 |
| 2.1 人脸检测 | 第20-27页 |
| 2.1.1 AdaBoost算法简介 | 第20页 |
| 2.1.2 Haar特征 | 第20-22页 |
| 2.1.3 积分图 | 第22-23页 |
| 2.1.4 积分图计算特征值 | 第23-24页 |
| 2.1.5 建立弱分类器 | 第24页 |
| 2.1.6 建立强分类器 | 第24-26页 |
| 2.1.7 人脸图像检测 | 第26-27页 |
| 2.2 人眼粗略定位 | 第27-30页 |
| 2.2.1 垂直方向上的人眼区域定位 | 第27-29页 |
| 2.2.2 水平方向上的人脸边缘点积分投影 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 瞳孔精确定位 | 第32-44页 |
| 3.1 边缘检测计算瞳孔的边界 | 第32-38页 |
| 3.1.1 Sobel算子 | 第32-33页 |
| 3.1.2 Lo G算子 | 第33-34页 |
| 3.1.3 Canny算子 | 第34-37页 |
| 3.1.4 瞳孔边缘精确检测 | 第37-38页 |
| 3.2 Hough变换检测圆心 | 第38-39页 |
| 3.3 瞳孔坐标计算 | 第39-41页 |
| 3.4 瞳孔位置判定 | 第41-42页 |
| 3.5 实验结果与分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 瞳孔精确跟踪 | 第44-66页 |
| 4.1 Mean-Shift算法瞳孔跟踪 | 第44-52页 |
| 4.1.1 Mean-Shift算法基本原理 | 第44-47页 |
| 4.1.2 Mean-Shift迭代过程 | 第47-49页 |
| 4.1.3 实验结果与分析 | 第49-52页 |
| 4.2 基于帧差法的改进Mean-Shift算法实现瞳孔跟踪 | 第52-56页 |
| 4.2.1 帧差法基本原理 | 第52-53页 |
| 4.2.2 基于帧差法的改进Mean-Shift算法 | 第53-55页 |
| 4.2.3 实验结果与分析 | 第55-56页 |
| 4.3 基于加权的纹理颜色改进Mean-Shift算法实现瞳孔跟踪 | 第56-65页 |
| 4.3.1 目标纹理表示 | 第56-62页 |
| 4.3.2 基于加权纹理颜色和帧差法的改进Mean-Shift算法 | 第62-63页 |
| 4.3.3 实验结果与分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 5 瞳孔检测及跟踪系统 | 第66-72页 |
| 5.1 瞳孔检测及跟踪系统总体设计 | 第66-67页 |
| 5.2 瞳孔检测及跟踪系统的硬件系统 | 第67-68页 |
| 5.3 瞳孔检测及跟踪系统的软件系统 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第79页 |
