| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·问题的提出 | 第9-10页 |
| ·论文研究意义 | 第10-11页 |
| ·理论价值 | 第10-11页 |
| ·应用价值 | 第11页 |
| ·论文主要研究内容 | 第11-12页 |
| ·论文主要贡献 | 第12页 |
| ·论文结构安排 | 第12-13页 |
| 2 相关研究回顾 | 第13-22页 |
| ·实时人脸检测技术研究现状 | 第13-20页 |
| ·人脸检测方法综述 | 第13-17页 |
| ·Adaboost 算法用于人脸检测 | 第17-19页 |
| ·人脸检测算法的评价 | 第19-20页 |
| ·复杂环境下及视频中人脸检测 | 第20-21页 |
| ·复杂环境下的人脸检测 | 第20-21页 |
| ·视频中的人脸检测 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 相关理论综述及在本文的应用分析 | 第22-32页 |
| ·多信息融合技术 | 第22-23页 |
| ·信息融合技术概述 | 第22-23页 |
| ·检测中的决策融合 | 第23页 |
| ·肤色区域分割 | 第23-28页 |
| ·颜色模型 | 第24-27页 |
| ·肤色区域的分割 | 第27页 |
| ·YCbCr 颜色空间下的肤色分割 | 第27-28页 |
| ·时序相关性 | 第28-30页 |
| ·视频中的运动分析 | 第29页 |
| ·视频中的跟踪算法 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 4 基于多信息融合的视频人脸检测模型 | 第32-42页 |
| ·基于多信息融合的视频人脸检测方法 | 第32-37页 |
| ·模型中的决策融合 | 第32-33页 |
| ·Adaboost 人脸检测及其改进算法 | 第33-34页 |
| ·mean-shift 区域跟踪算法和二值图像的NMI 特征 | 第34-35页 |
| ·多信息融合检测模型的优势分析和实验结果 | 第35-37页 |
| ·基于多信息融合的视频人脸检测模型的检测流程 | 第37-41页 |
| ·模型检测策略 | 第37-38页 |
| ·模型检测流程 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 基于 mean-shift 的区域跟踪和 NMI 特征人眼定位算法 | 第42-54页 |
| ·人眼检测定位算法概述 | 第42-45页 |
| ·常光源下的人眼检测定位 | 第42-44页 |
| ·特种光源下的人眼检测定位 | 第44页 |
| ·人眼检测定位的难度和应对策略 | 第44-45页 |
| ·NMI 特征识别 | 第45-49页 |
| ·NMI 特征基本概念 | 第45-47页 |
| ·人眼的NMI 特征模板的表示、更新和搜索策略 | 第47页 |
| ·人脸图像动态二值化算法 | 第47-49页 |
| ·mean-shift 跟踪算法 | 第49-50页 |
| ·mean-shift 算法原理 | 第49页 |
| ·改进的mean-shift 跟踪算法 | 第49-50页 |
| ·人脸区域跟踪和人眼定位算法流程和实验结果 | 第50-53页 |
| ·算法流程 | 第50-51页 |
| ·实验结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-55页 |
| ·现有工作总结 | 第54页 |
| ·不足与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A. 作者在攻读学位期间发表的论文目录 | 第60页 |