| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的研究内容及章节安排 | 第12-14页 |
| 第二章 视频图像人脸检测算法 | 第14-29页 |
| 2.1 人脸检测的分类 | 第14-16页 |
| 2.2 Adaboost算法 | 第16-22页 |
| 2.2.1 Haarlike积分图 | 第18-19页 |
| 2.2.2 Adaboost训练算法 | 第19-22页 |
| 2.3 图像颜色空间 | 第22-26页 |
| 2.4 K-means聚类算法 | 第26-27页 |
| 2.5 人脸检测衡量指标 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 融合聚类算法的视频图像人脸检测 | 第29-42页 |
| 3.1 系统框架的介绍 | 第29-33页 |
| 3.1.1 视频图像序列预处理 | 第30-32页 |
| 3.1.2 二值形态处理 | 第32-33页 |
| 3.2 融合K-means聚类算法的人脸检测 | 第33-36页 |
| 3.3 实验仿真及结果分析 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于Camshift算法的视频人脸检测跟踪 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 Camshift跟踪算法 | 第43-44页 |
| 4.3 SURF算法特征点的提取与描述 | 第44-47页 |
| 4.3.1 SURF特征点提取 | 第44-45页 |
| 4.3.2 SURF特征描述 | 第45-47页 |
| 4.4 改进的目标跟踪算法分析 | 第47-49页 |
| 4.5 基于Camshift算法的视频人脸检测跟踪 | 第49-50页 |
| 4.6 实验结果分析 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-59页 |