| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 面临挑战和发展趋势 | 第13-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 运动目标提取研究及图像预处理 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 运动目标提取方法 | 第17-19页 |
| 2.2.1 帧间差分 | 第17-18页 |
| 2.2.2 背景差分法 | 第18页 |
| 2.2.3 混合高斯背景建模法 | 第18-19页 |
| 2.3 目标图像的多帧融合 | 第19-20页 |
| 2.4 实验与分析 | 第20-21页 |
| 2.4.1 实验环境 | 第20页 |
| 2.4.2 实验数据 | 第20页 |
| 2.4.3 实验结果 | 第20-21页 |
| 2.5 目标图像预处理方法 | 第21-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 人体检测方法研究 | 第25-41页 |
| 3.0 引言 | 第25页 |
| 3.1 适合于人体检测的特征 | 第25-27页 |
| 3.1.1 人体检测的方法分类 | 第25-26页 |
| 3.1.2 适合于人体检测特征的选择 | 第26-27页 |
| 3.2 HOG特征提取 | 第27-31页 |
| 3.3 人体检测分类方法研究 | 第31-35页 |
| 3.3.1 支持向量机 | 第31-34页 |
| 3.3.2 基于正反馈与SVM的分类器模型 | 第34-35页 |
| 3.4 实验分析 | 第35-38页 |
| 3.4.1 实验环境 | 第35页 |
| 3.4.2 实验数据 | 第35-36页 |
| 3.4.3 实验流程 | 第36-37页 |
| 3.4.4 实验结果 | 第37-38页 |
| 3.5 本章小结 | 第38-41页 |
| 第四章 人脸检测方法研究 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 人脸特征的提取 | 第41-47页 |
| 4.2.1 Haar-like特征的原理 | 第41-44页 |
| 4.2.2 矩形特征计算 | 第44-47页 |
| 4.3 人脸检测方法的研究 | 第47-50页 |
| 4.3.1 改进的Haar-like特征分类器研究 | 第47页 |
| 4.3.2 构造强分类器 | 第47-50页 |
| 4.4 人脸检测的实验 | 第50-53页 |
| 4.4.1 实验环境 | 第50页 |
| 4.4.2 实验数据 | 第50页 |
| 4.4.3 实验流程 | 第50-52页 |
| 4.4.4 实验结果 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录 攻读硕士学位期间发表论文、软著及项目实践 | 第64页 |