基于Adaboost和TLD算法的人脸检测跟踪系统
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·研究内容和结构安排 | 第15-17页 |
| 第2章 基于 Adaboost 的人脸检测算法 | 第17-26页 |
| ·Adaboost 算法简介 | 第17-19页 |
| ·Haar 特征 | 第19-21页 |
| ·积分图 | 第20-21页 |
| ·构建强分类器 | 第21-23页 |
| ·级联分类器 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于 BitBP 特征的人脸检测方法 | 第26-41页 |
| ·LBP 与 MB-LBP 特征 | 第26-30页 |
| ·LBP 特征 | 第26-28页 |
| ·MB-LBP 特征 | 第28-30页 |
| ·BitBP 特征 | 第30-33页 |
| ·分类器设计 | 第31-33页 |
| ·置信度积累验证算法 | 第33-35页 |
| ·多重级联 | 第35-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于 TLD 的跟踪算法 | 第41-58页 |
| ·Mean Shift 算法 | 第41-45页 |
| ·颜色特征空间 | 第41-43页 |
| ·Mean Shift 算法 | 第43-45页 |
| ·P-N 学习算法 | 第45-48页 |
| ·约束条件 | 第46-47页 |
| ·在线 P-N 学习 | 第47-48页 |
| ·TLD 跟踪算法 | 第48-51页 |
| ·先决条件 | 第49页 |
| ·目标模型 | 第49-50页 |
| ·检测器 | 第50页 |
| ·跟踪器 | 第50-51页 |
| ·学习模块 | 第51页 |
| ·算法改进 | 第51页 |
| ·实验结果与分析 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 人脸的自动检测与跟踪 | 第58-66页 |
| ·人脸检测 | 第58-59页 |
| ·人脸跟踪 | 第59页 |
| ·验证器 | 第59-60页 |
| ·实验结果与分析 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
