| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| §1.1 研究背景和意义 | 第10-11页 |
| §1.2 人脸检测与跟踪的研究现状 | 第11-12页 |
| ·人脸检测技术的研究现状 | 第11页 |
| ·人脸跟踪技术的研究现状 | 第11-12页 |
| §1.3 人脸检测与跟踪的研究目的和应用 | 第12-13页 |
| §1.4 当前人脸检测与跟踪技术所存在的主要问题 | 第13-14页 |
| §1.5 课题主要工作和论文结构安排 | 第14-16页 |
| ·课题主要工作 | 第14-15页 |
| ·论文的结构安排 | 第15-16页 |
| 第二章 人脸图像处理相关知识 | 第16-25页 |
| §2.1 色度及色度学基础知识 | 第16页 |
| §2.2 颜色空间的介绍 | 第16-19页 |
| §2.3 肤色模型的介绍 | 第19-20页 |
| §2.4 人脸图像预处理 | 第20-22页 |
| ·图像校准 | 第20-21页 |
| ·光照补偿 | 第21-22页 |
| ·去噪处理 | 第22页 |
| §2.5 边界检测 | 第22-24页 |
| §2.6 本章小结 | 第24-25页 |
| 第三章 人脸检测技术及其实现 | 第25-41页 |
| §3.1 人脸模式分析 | 第25页 |
| §3.2 人脸检测方法 | 第25-30页 |
| ·启发式的人脸检测 | 第26-27页 |
| ·基于肤色的人脸检测 | 第27-28页 |
| ·基于统计模型的人脸检测 | 第28-29页 |
| ·基于Boosting的人脸检测 | 第29-30页 |
| §3.3 基于YCbCr空间的肤色分割算法 | 第30-32页 |
| §3.4 基于改进的Adaboost算法的人脸检测 | 第32-40页 |
| ·Adaboost算法的主要思想 | 第32-33页 |
| ·Adaboost算法矩形特征 | 第33-34页 |
| ·利用积分图像快速计算特征 | 第34页 |
| ·Adaboost算法 | 第34-35页 |
| ·级联分类器 | 第35-36页 |
| ·Adaboost的改进算法 | 第36-38页 |
| ·实验结果 | 第38-40页 |
| §3.5 本章小结 | 第40-41页 |
| 第四章 人脸跟踪技术及其实现 | 第41-68页 |
| §4.1 引言 | 第41页 |
| §4.2 人脸跟踪分类 | 第41-42页 |
| §4.3 人脸跟踪技术综述 | 第42-45页 |
| ·基于运动估计的跟踪方法 | 第42-43页 |
| ·基于特征的跟踪方法 | 第43-44页 |
| ·基于轮廓的跟踪方法 | 第44页 |
| ·基于神经网络的跟踪方法 | 第44-45页 |
| §4.4 CAMSHIFT算法 | 第45-48页 |
| ·颜色直方图查询表 | 第45-46页 |
| ·肤色概率图 | 第46页 |
| ·CAMSHIFT算法 | 第46-48页 |
| §4.5 Kalman滤波 | 第48-51页 |
| §4.6 基于改进的CAMSHIFT算法和Kalman滤波的人脸跟踪方法 | 第51-55页 |
| ·对初始颜色直方图的改进 | 第52-53页 |
| ·人脸形态比例约束 | 第53页 |
| ·CAMSHIFT算法与Kalman滤波的融合 | 第53-54页 |
| ·实验结果 | 第54-55页 |
| §4.7 粒子滤波器 | 第55-61页 |
| ·蒙特卡罗方法 | 第56页 |
| ·贝叶斯滤波原理 | 第56-57页 |
| ·序贯重要性采样(SIS) | 第57-58页 |
| ·退化现象 | 第58页 |
| ·粒子滤波过程 | 第58-59页 |
| ·Condensation算法 | 第59-61页 |
| §4.8 基于肤色与椭圆约束的粒子滤波跟踪 | 第61-67页 |
| ·系统的初始化 | 第61页 |
| ·系统的动态模型和观测模型 | 第61-64页 |
| ·系统的跟踪过程 | 第64-65页 |
| ·实验结果 | 第65-67页 |
| §4.9 本章小结 | 第67-68页 |
| 第五章 总结和展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者在学期间取得的学术成果 | 第74页 |