| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·面临的主要问题 | 第8-9页 |
| ·课题工作和论文的结构安排 | 第9-11页 |
| 2 人脸检测与跟踪方法 | 第11-17页 |
| ·人脸检测技术研究 | 第11-13页 |
| ·基于知识的方法 | 第11页 |
| ·基于可视特征的方法 | 第11-12页 |
| ·基于匹配的方法 | 第12页 |
| ·基于学习的方法 | 第12-13页 |
| ·人脸跟踪技术研究 | 第13-15页 |
| ·基于人脸检测的人脸跟踪技术 | 第14页 |
| ·基于目标运动的人脸跟踪技术 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 3 基于双肤色模型及AdaBoost算法的人脸检测 | 第17-35页 |
| ·光线补偿 | 第17-18页 |
| ·颜色空间 | 第18-21页 |
| ·肤色分割 | 第21-25页 |
| ·肤色建模 | 第21-23页 |
| ·肤色区域后期处理 | 第23-25页 |
| ·AdaBoost人脸检测及改进 | 第25-32页 |
| ·Haar-like特征及计算 | 第25-26页 |
| ·AdaBoost算法 | 第26-28页 |
| ·级联分类器的构造 | 第28-29页 |
| ·AdaBoost训练过程的改进 | 第29-30页 |
| ·AdaBoost检测过程的改进 | 第30-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 目标跟踪方法研究及改进 | 第35-53页 |
| ·均值偏移跟踪算法及改进 | 第35-41页 |
| ·均值偏移理论 | 第35-37页 |
| ·MeanShift在目标跟踪中的应用 | 第37-39页 |
| ·MeanShift的改进 | 第39-41页 |
| ·目标轨迹预测 | 第41-48页 |
| ·卡尔曼滤波算法 | 第42-44页 |
| ·粒子滤波算法 | 第44-48页 |
| ·粒子滤波算法的改进 | 第48-52页 |
| ·颜色特征的粒子滤波过程 | 第48-49页 |
| ·引入方向梯度直方图特征的粒子滤波 | 第49-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于AdaBoost与粒子滤波的人脸检测与跟踪 | 第53-61页 |
| ·跟踪窗口的选择 | 第53-54页 |
| ·AdaBoost算法初始化跟踪窗口 | 第53页 |
| ·帧间差分法的引入 | 第53-54页 |
| ·人脸检测与跟踪实现 | 第54-58页 |
| ·引入MeanShift的多特征融合粒子滤波 | 第55-56页 |
| ·人脸检测与跟踪实现 | 第56-58页 |
| ·一个人脸检测与跟踪的系统设计 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |