| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 人脸检测主要方法 | 第12-17页 |
| 1.2.1 基于特征人脸检测 | 第12-15页 |
| 1.2.2 基于统计模型的方法 | 第15-17页 |
| 1.3 人脸跟踪主要方法 | 第17-23页 |
| 1.3.1 基于运动目标跟踪的方法 | 第17-21页 |
| 1.3.2 基于人脸检测的方法 | 第21-23页 |
| 1.4 本文的主要研究工作和创新点 | 第23-25页 |
| 第二章 ADABOOST 人脸检测 | 第25-53页 |
| 2.1 AdaBoost 算法简介 | 第25-30页 |
| 2.1.1 AdaBoost 训练算法 | 第25-27页 |
| 2.1.2 AdaBoost 算法实例 | 第27-30页 |
| 2.2 AdaBoost 算法在人脸检测中的应用 | 第30-51页 |
| 2.2.1 类Haar 特征 | 第31-32页 |
| 2.2.2 积分图像 | 第32-33页 |
| 2.2.3 级联分类器 | 第33-34页 |
| 2.2.4 基于Fisher 准则的特征简化 | 第34-37页 |
| 2.2.5 基于肤色分割的快速人脸检测 | 第37-46页 |
| 2.2.6 实验 | 第46-51页 |
| 2.3 小结 | 第51-53页 |
| 第三章 人脸跟踪 | 第53-85页 |
| 3.1 Mean Shift 算法 | 第53-63页 |
| 3.1.1 非参数估计 | 第53-57页 |
| 3.1.2 Mean Shift 算法推导过程 | 第57-60页 |
| 3.1.3 Mean Shift 算法在目标跟踪中的应用 | 第60-63页 |
| 3.2 CamShift 算法 | 第63-70页 |
| 3.2.1 颜色空间模型 | 第64-67页 |
| 3.2.2 反向投影法 | 第67-68页 |
| 3.2.3 CamShift 算法步骤 | 第68-70页 |
| 3.2.4 小结 | 第70页 |
| 3.3 卡尔曼滤波器预测 | 第70-80页 |
| 3.3.1 卡尔曼滤波器原理 | 第70-73页 |
| 3.3.2 卡尔曼滤波器建模 | 第73-75页 |
| 3.3.3 遮挡情况处理策略 | 第75-80页 |
| 3.4 实验结果及分析 | 第80-84页 |
| 3.5 小结 | 第84-85页 |
| 第四章 总结与展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士学位期间已发表或录用的论文 | 第91-93页 |