| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 人脸检测技术的研究现状 | 第13-16页 |
| 1.2.2 人脸跟踪技术的研究现状 | 第16-18页 |
| 1.3 面临的主要问题 | 第18-19页 |
| 1.4 论文研究的主要内容和结构安排 | 第19-21页 |
| 第2章 基于肤色及Adaboost算法的人脸检测 | 第21-38页 |
| 2.1 颜色空间 | 第21-25页 |
| 2.1.1 RGB颜色空间 | 第21-22页 |
| 2.1.2 HSV颜色空间 | 第22-23页 |
| 2.1.3 YIQ颜色空间 | 第23-24页 |
| 2.1.4 YCbCr(YUV)颜色空间 | 第24-25页 |
| 2.2 肤色分割 | 第25-30页 |
| 2.2.1 前期处理阶段 | 第25-27页 |
| 2.2.2 肤色分割阶段 | 第27-28页 |
| 2.2.3 后期处理阶段 | 第28-30页 |
| 2.3 基于Adaboost算法的快速人脸检测 | 第30-35页 |
| 2.3.1 Haar-like特征及计算 | 第30-32页 |
| 2.3.2 Adaboost算法 | 第32-33页 |
| 2.3.3 级联分类器的构造 | 第33-34页 |
| 2.3.4 快速人脸检测算法 | 第34-35页 |
| 2.4 算法仿真与结果分析 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 综合颜色和纹理特征的粒子滤波人脸自动检测跟踪算法 | 第38-53页 |
| 3.1 人脸自动检测跟踪方法的基本思路 | 第38-39页 |
| 3.2 贝叶斯估计理论 | 第39-40页 |
| 3.2.1 动态空间模型 | 第39页 |
| 3.2.2 贝叶斯估计理论 | 第39-40页 |
| 3.3 粒子滤波算法 | 第40-45页 |
| 3.3.1 蒙特卡罗方法 | 第41页 |
| 3.3.2 重要性采样 | 第41-42页 |
| 3.3.3 序贯重要性采样 | 第42-43页 |
| 3.3.4 标准粒子滤波算法 | 第43-44页 |
| 3.3.5 粒子滤波的退化现象和重采样 | 第44-45页 |
| 3.4 综合颜色和纹理特征的粒子滤波算法 | 第45-48页 |
| 3.4.1 加权颜色直方图 | 第45-46页 |
| 3.4.2 方向梯度直方图 | 第46-47页 |
| 3.4.3 综合加权颜色直方图和方向梯度直方图的粒子滤波算法 | 第47页 |
| 3.4.4 跟踪窗口自适应调整策略 | 第47-48页 |
| 3.5 算法仿真与结果分析 | 第48-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 人脸自动检测跟踪算法的DSP实现 | 第53-71页 |
| 4.1 算法DSP实现的基本思路 | 第53-54页 |
| 4.1.1 系统实现模块设计 | 第53-54页 |
| 4.1.2 算法系统的开发流程 | 第54页 |
| 4.2 系统的硬件实现方案 | 第54-58页 |
| 4.2.1 系统的硬件环境 | 第54-57页 |
| 4.2.2 系统硬件环境设计 | 第57-58页 |
| 4.3 系统的软件实现方案 | 第58-68页 |
| 4.3.1 系统的软件环境 | 第58-62页 |
| 4.3.2 系统软件环境设计 | 第62-68页 |
| 4.4 系统运行结果与性能分析 | 第68-70页 |
| 4.4.1 系统的运行环境 | 第68页 |
| 4.4.2 系统的运行结果与性能分析 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 系统优化 | 第71-78页 |
| 5.1 系统的优化方案 | 第71-72页 |
| 5.2 基于RF5的优化方案 | 第72-75页 |
| 5.2.1 RF5框架的各个组成要素 | 第72-73页 |
| 5.2.2 任务间的通信对象SCOM | 第73页 |
| 5.2.3 基于RF5的优化设计方案 | 第73-75页 |
| 5.3 其他优化方案 | 第75-77页 |
| 5.4 优化后系统性能的分析 | 第77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第85-86页 |
| 致谢 | 第86页 |