| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 研究背景及项目支持 | 第15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 论文的研究工作及创新 | 第18-19页 |
| 1.5 本文章节安排 | 第19-21页 |
| 第2章 视频多视角人脸检测算法 | 第21-40页 |
| 2.1 图像预处理算法 | 第21-23页 |
| 2.2 多视角人脸检测算法 | 第23-28页 |
| 2.2.1 多视角人脸检测流程 | 第23-24页 |
| 2.2.2 AdaBoost 人脸检测算法 | 第24-28页 |
| 2.3 人脸图像规范化 | 第28-37页 |
| 2.3.1 彩色人脸的肤色模型 | 第29-31页 |
| 2.3.2 人脸验证 | 第31-34页 |
| 2.3.3 人脸重定位 | 第34-37页 |
| 2.4 实验结果 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 基于视频的多视角人脸跟踪 | 第40-62页 |
| 3.1 粒子滤波目标跟踪算法 | 第40-45页 |
| 3.1.1 蒙特卡罗方法 | 第41-43页 |
| 3.1.2 序贯重要性采样 | 第43-45页 |
| 3.2 视频多视角人脸跟踪框架 | 第45-48页 |
| 3.3 人脸跟踪模型 | 第48-53页 |
| 3.3.1 核函数颜色方图模型 | 第48-50页 |
| 3.3.2 梯度模型 | 第50-51页 |
| 3.3.3 增量PCA 模型 | 第51-53页 |
| 3.3.4 多视觉特征模型融合方法 | 第53页 |
| 3.4 自适应人脸跟踪粒子滤波框架 | 第53-56页 |
| 3.4.1 多视角模型在粒子滤波框架下的融合 | 第53-54页 |
| 3.4.2 模型距离度量函数 | 第54-55页 |
| 3.4.3 人脸姿态估计 | 第55页 |
| 3.4.4 新的自适应粒子滤波框架 | 第55-56页 |
| 3.5 多视角人脸模型的在线学习 | 第56-58页 |
| 3.5.1 颜色直方图模型的更新算法 | 第57页 |
| 3.5.2 增量PCA 模型更新算法 | 第57-58页 |
| 3.6 实验结果 | 第58-61页 |
| 3.6.1 姿态估计测试 | 第58-59页 |
| 3.6.2 遮挡恢复实验 | 第59页 |
| 3.6.3 在线学习 | 第59-60页 |
| 3.6.4 对比实验 | 第60-61页 |
| 3.7 本章小结 | 第61-62页 |
| 第4章 监控人脸识别系统中的关键问题研究 | 第62-81页 |
| 4.1 监控图像增强算法 | 第64-69页 |
| 4.1.1 图像降噪 | 第64-66页 |
| 4.1.2 自动多尺度对比度增强 | 第66-67页 |
| 4.1.3 视频超分辨率算法 | 第67-69页 |
| 4.2 PTZ 云台摄像头获取感兴趣区域高分辨率图像的方法 | 第69-73页 |
| 4.2.1 技术流程 | 第69-70页 |
| 4.2.2 运动检测与目标跟踪 | 第70-72页 |
| 4.2.3 目标运动预测与捕捉 | 第72-73页 |
| 4.3 最佳正面人脸识别图像选择算法 | 第73-77页 |
| 4.3.1 基于小波域的图像评价算法 | 第73-74页 |
| 4.3.2 基于子空间降维的人脸姿态估计算法 | 第74-75页 |
| 4.3.3 基于距离的最佳人脸选择 | 第75-76页 |
| 4.3.4 基于SVM 的最佳正面人脸分类算法 | 第76-77页 |
| 4.4 监控视频中的人脸识别系统架构 | 第77-79页 |
| 4.4.1 监控视频中人脸识别系统实现流程 | 第77-78页 |
| 4.4.2 多任务决策融合编程架构 | 第78-79页 |
| 4.5 实验结果 | 第79-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 总结和展望 | 第81-83页 |
| 5.1 对本文的总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士期间发表的论文和专利 | 第88-90页 |