| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内研究现状 | 第9-10页 |
| 1.3 本文的研究思路 | 第10-11页 |
| 1.4 本文的主要工作 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 基于特征分类器的人脸检测与模板匹配跟踪算法综述 | 第13-21页 |
| 2.1 基于特征分类器的人脸检测方法 | 第13-15页 |
| 2.1.1 分类器的设计方法介绍 | 第13页 |
| 2.1.2 特征分类器人脸检测方法介绍 | 第13-14页 |
| 2.1.3 基于Adaboost分类器的人脸检测方法 | 第14-15页 |
| 2.2 模板匹配跟踪算法概述 | 第15-18页 |
| 2.2.1 模板匹配算法分类 | 第15-17页 |
| 2.2.2 相似度判定方法 | 第17页 |
| 2.2.3 基于像素灰度相关的匹配算法 | 第17-18页 |
| 2.2.4 目标搜索方法 | 第18页 |
| 2.3 模板更新方法 | 第18-19页 |
| 2.4 目前存在的问题以及研究趋势 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于特征分类器的人脸检测和跟踪 | 第21-33页 |
| 3.1 特征提取 | 第21-24页 |
| 3.1.1 Haar特征 | 第21-22页 |
| 3.1.2 积分图法 | 第22-23页 |
| 3.1.3 矩阵的特征值 | 第23-24页 |
| 3.2 Adaboost算法构造分类器 | 第24-27页 |
| 3.2.1 Adaboost算法简介 | 第24-25页 |
| 3.2.2 Adaboost算法原理 | 第25-26页 |
| 3.2.3 分类器的组成 | 第26页 |
| 3.2.4 分类器级联策略 | 第26-27页 |
| 3.3 基于人脸检测的模板匹配人脸跟踪算法 | 第27-30页 |
| 3.4 实验结果及分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于改进Adaboost分类器和哈希模板匹配的人脸跟踪算法 | 第33-48页 |
| 4.1 感知哈希技术 | 第33-34页 |
| 4.1.1 感知哈希技术简介 | 第33-34页 |
| 4.1.2 图像的感知哈希技术 | 第34页 |
| 4.2 图像感知哈希技术的实现 | 第34-37页 |
| 4.2.1 特征提取 | 第34-37页 |
| 4.2.2 量化和编码 | 第37页 |
| 4.2.3 实现流程 | 第37页 |
| 4.3 基于改进Adaboost分类器和哈希模板匹配的人脸跟踪算法 | 第37-41页 |
| 4.3.1 基于改进Adaboost分类器的人脸检测 | 第37-39页 |
| 4.3.2 哈希模板的生成 | 第39-40页 |
| 4.3.3 基于哈希模板的匹配跟踪 | 第40页 |
| 4.3.4 自适应学习的模板更新方法 | 第40-41页 |
| 4.4 算法过程 | 第41-44页 |
| 4.5 实验结果及分析 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 在校期间发表的学术论文及研究成果 | 第54-55页 |
| 致谢 | 第55页 |
