| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 选题背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文主要工作内容 | 第18页 |
| 1.4 论文结构安排 | 第18-21页 |
| 第二章 相关理论与技术 | 第21-31页 |
| 2.1 LK光流跟踪算法 | 第21-23页 |
| 2.1.1 光流概念简介 | 第21页 |
| 2.1.2 LK光流计算原理 | 第21-23页 |
| 2.2 TLD算法中视频检测相关理论 | 第23-26页 |
| 2.2.1 贝叶斯决策理论概述 | 第23-24页 |
| 2.2.2 决策树理论概述 | 第24-25页 |
| 2.2.3 NN分类算法理论研究 | 第25-26页 |
| 2.3 P-N Learning学习算法研究 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于TLD框架的人脸检测分类算法的研究与实现 | 第31-45页 |
| 3.1 人脸基本图像网格生成模块实现 | 第31-32页 |
| 3.2 基于人脸1-BitP特征的随机蕨丛分类器算法实现 | 第32-39页 |
| 3.2.1 BitP的特征提取方法设计与实现 | 第32-34页 |
| 3.2.2 人脸1-BitP的特征提取方法实现 | 第34-35页 |
| 3.2.3 基于人脸1-BitP特征的随机蕨丛分类器实现 | 第35-39页 |
| 3.3 最近邻分类器算法的实现 | 第39-43页 |
| 3.3.1 NN分类器TrainNN模块实现 | 第40-41页 |
| 3.3.2 NN分类器TldNN模块实现 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 基于TLD框架的人脸跟踪算法的研究与实现 | 第45-59页 |
| 4.1 TLD算法人脸跟踪框架介绍 | 第45-48页 |
| 4.2 TLD框架中Tracking模块实现 | 第48-51页 |
| 4.3 TLD框架中Detection模块实现 | 第51-54页 |
| 4.4 TLD框架中Learning模块实现 | 第54-56页 |
| 4.5 本章小结 | 第56-59页 |
| 第五章 实验结果与分析 | 第59-65页 |
| 5.1 人脸跟踪测试结果及分析 | 第59-62页 |
| 5.2 人脸跟踪测试总结 | 第62-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71页 |
