声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 人脸检测算法
1.2.2 人脸跟踪算法
1.3 论文的主要内容
(1)基于 AdaBoost的人脸检测算法研究
(2)基于核相关滤波的人脸跟踪算法研究
(3)基于 OpenCV的人脸检测及跟踪
1.4 论文结构安排
第二章 人脸图像预处理
2.1 引言
2.2 双线性插值
2.3 直方图均衡化
2.4 图像滤波
2.4.1 均值滤波
2.4.2 中值滤波
2.4.3 对比实验分析
2.5 本章小结
第三章 基于AdaBoost 的人脸检测算法
3.1 Haar-like特征和积分图
3.1.1 Haar-like特征
3.1.2 积分图快速计算特征值
3.2 AdaBoost 算法
3.2.1 弱分类器
3.2.2 强分类器
3.3 Adaboost级联分类器
3.4 基于Adaboost 算法的多角度人脸检测
3.4.1 多角度人脸检测
3.4.2 实验结果与分析
3.5 本章小结
第四章 基于核相关滤波的人脸跟踪算法
4.1 基于检测的跟踪算法
4.1.1 Struck跟踪算法
4.1.2 TLD跟踪算法
4.1.3 CSK跟踪算法
4.1.4 CN跟踪算法
4.1.5 KCF跟踪算法
4.2 KCF 跟踪算法原理
4.2.1 HOG特征
4.2.2 核相关滤波器
4.2.3 循环矩阵
4.2.4 分类器训练与快速检测
4.3 Kalman 滤波算法原理
4.4 改进的CNK-KCF 人脸跟踪算法
4.4.1 采用CN特征的KCF跟踪算法
4.4.2 结合Kalman 预测器的跟踪机制
4.4.3 CNK-KCF跟踪算法流程
4.4.4 CNK-KCF算法实验分析
4.5 多种算法实验分析对比
4.5.1 性能评价标准
4.5.2 对比实验性能比较
4.6 本章小结
第五章 基于OpenCV 的实验开发平台
5.1 开源计算机视觉库OpenCV
5.2 人脸检测及跟踪的整体系统框架
5.3 实验结果与分析
5.4 本章小结
第六章 结论
6.1 总结
6.2 展望
参考文献
攻读学位期间所取得的相关科研成果
致谢
河北工业大学;