| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1.引言 | 第10-16页 |
| 1.1 基于视频的人脸识别技术概述 | 第10-11页 |
| 1.2 人脸检测技术研究现状 | 第11-12页 |
| 1.3 人脸跟踪技术研究现状 | 第12-13页 |
| 1.4 人脸姿态估计技术研究现状 | 第13-14页 |
| 1.5 论文研究内容及结构安排 | 第14-16页 |
| 2.基于肤色和Adaboost算法的多人脸检测方法 | 第16-36页 |
| 2.1 基于肤色的人脸区域预选 | 第16-23页 |
| 2.1.1 色彩空间的选取 | 第17页 |
| 2.1.2 肤色模型的选取 | 第17-18页 |
| 2.1.3 肤色分割 | 第18-21页 |
| 2.1.4 肤色区域筛选 | 第21-22页 |
| 2.1.5 人脸区域预选 | 第22-23页 |
| 2.2 基于Adaboost的人脸检测算法 | 第23-28页 |
| 2.2.1 Haar特征 | 第23-24页 |
| 2.2.2 积分图像 | 第24-26页 |
| 2.2.3 Adaboost算法 | 第26-28页 |
| 2.2.3.1 弱分类器 | 第26-27页 |
| 2.2.3.2 强分类器 | 第27-28页 |
| 2.2.3.3 级联分类器 | 第28页 |
| 2.3 基于肤色和Adaboost的人脸检测算法 | 第28-32页 |
| 2.4 视频下多人脸进出检测方法 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3.基于Camshift和Kalman滤波的人脸跟踪方法 | 第36-51页 |
| 3.1 Meanshift算法 | 第36-38页 |
| 3.2 Camshift跟踪算法 | 第38-41页 |
| 3.3 Kalman滤波算法 | 第41-43页 |
| 3.4 融合Camshift与Kalman滤波的人脸跟踪方法 | 第43-47页 |
| 3.4.1 建立Kalman模型 | 第43-44页 |
| 3.4.2 Camshift算法与Kalman滤波器的融合 | 第44-47页 |
| 3.5 实验结果分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4.基于姿态的人脸优选方法 | 第51-61页 |
| 4.1 人脸优选流程 | 第51-55页 |
| 4.1.1 人脸尺寸要求 | 第52页 |
| 4.1.2 图像清晰度检测 | 第52页 |
| 4.1.3 人脸姿态比较 | 第52-55页 |
| 4.1.3.1 姿态比较前的人脸归一化处理 | 第53-54页 |
| 4.1.3.2 人脸中心线、对称线的提取及姿态比较 | 第54-55页 |
| 4.2 多人脸优选原则 | 第55-58页 |
| 4.3 人脸图像标准化 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5.实时多人脸检测跟踪与优选系统的实现 | 第61-67页 |
| 5.1 硬件组成 | 第61页 |
| 5.2 软件设计 | 第61-62页 |
| 5.3 系统测试 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6.结论与展望 | 第67-70页 |
| 6.1 论文结论 | 第67-68页 |
| 6.2 论文展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 在学期间公开发表论文及著作情况 | 第74页 |
