一、基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究(英文)（论文文献综述）
李秀智,李尚宇,贾松敏,单吉超[1]（2017）在《实时的移动机器人语义地图构建系统》文中提出语义信息可以使机器人更充分地理解未知环境,为更高级的人机交互和完成更复杂的任务奠定基础。为了能够使移动机器人实时地创建语义地图,在Jetson TX1嵌入式电脑上开发了一种轻量级的深度学习目标检测模型,在保证了检测精度的同时,实现了高效的目标检测功能。并利用了视频流中的帧间光流信息,使用运动信息指导传播算法降低检测算法的漏检率。对于Kinect传感器生成的深度图像有黑边、黑洞等缺陷,使用统一计算设备架构（CUDA）技术开发了一种实时的深度图像修复算法。利用即时定位与地图构建（SLAM）技术,实现移动机器人底层的定位、导航、地图创建功能,并在此基础上使用贝叶斯推理框架,同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。经过实验表明,所提出的方法在实际的、复杂的室内环境下可以使移动机器人实时地创建语义地图。
王哲[2]（2017）在《基于web的人脸识别登陆和管理系统设计与实现》文中研究说明如今,数字信息飞速发展,各种信息和交易也趋于数字化和电子化。在信息纷杂众多的同时,信息安全的重要性也在慢慢的凸现出来。基于生物特征的识别技术是信息安全技术中的一个重要分支,因其具有唯一性,可靠性、安全性等众多优点而逐渐成为人们关注的焦点。这其中,基于人体面部特征的识别技术在实际中以其方便、友好和便捷的特点而逐渐被人们所接受。故而,本文构建了一套基于web的人脸识别登陆和后台管理系统。论文的主要工作如下:首先,对国内外人脸识别算法进行研究,给出了基于主成分分析法的人脸识别算法。算法总体分为四步:人脸检测定位、人脸图片归一化处理、人脸特征提取和识别决策。其次,通过对系统业务逻辑进行分析,得出需具备的一些功能性需求和系统指标。其中,基本功能模块有:人脸注册、人脸识别登陆与后台管理。在用户注册模块中,用户注册时能够实时采集人脸图像或上传本地图像进行特征脸的空间的构建;在识别登录模块中,基于主成分分析的人脸识别算法比对待识别拍照图片和人脸库的图片从而判定是否获得登陆权限;在后台管理模块中,管理员需具有对其他管理员信息进行创建及管理的权限、可对人脸注册用户信息完成用户名和人脸查找、修改、更新和删除等常用操作。除此之外,为保证系统能够有效运行及可扩展,还需满足有效性、可移植性、便捷性、安全性及时间特性等系统指标。然后结合业务需求,对系统进行设计,选取B/S模式,采用J2EE的三层架构:表现层、中间层与数据交互层。表现层,主要利用JSP、HTML5、CSS、JavaScript、Ajax等技术完成网页的设计与用户的交互,基于Http协议完成与客户端用户直接交互。中间层采用当下流行的具有MVC模式的Struts2框架对用户请求进行拦截响应和能够实现Java类与数据库表之间进行数据库关系映射的Hibernate框架,数据交互层选用对数据进行管理的关系型数据库MySQL。最后,结合人脸识别算法和系统设计对系统进行实现。通过对算法进行Matlab实验验证,得出人脸识别率为80%,误判率为20%。对系统平台进行搭建,能够实现三大功能性指标和系统运行指标。基于J2EE平台开发的web应用:人脸识别登录及后台管理系统,能够有效保护人们的登录信息、有效识别人脸信息,且登录方便、快捷,还可和其他基于J2EE平台开发的应用相结合,构建整套系统应用。
郑颖,蔡灿辉,朱建清[3]（2014）在《一种改进的高亮度区域肤色像素检测算法》文中研究表明高亮度条件下肤色和非肤色具有很高的相似性,导致高亮度肤色像素的检测一直是基于肤色分割的一个难点。为了提高肤色分割的效果,提出一种能够检测出图像中高亮度肤色区域的方法。首先在YCbCr颜色空间中利用阈值自适应的单高斯模型检测出图像中具有正常亮度的肤色像素,再结合像素的邻域信息和亮度边缘信息进一步检测出图像中高亮度区域的肤色像素,有效地解决了传统肤色检测方法对高亮度肤色区域漏检的问题。实验结果表明,采用该算法可以较准确地检测出图像中的高亮度肤色区域。
王渊民,张立,肖亚迪[4]（2013）在《基于贝叶斯肤色检测算法的色情图像识别研究》文中提出随着多媒体技术的发展,网络日益普及,如何有效控制互联网色情图像的传播已经成为日益紧迫的任务。在基于贝叶斯判定的肤色检测算法（BES）的前提下,提出并描述了一种色情图像分析的算法原理及设计考虑,该算法通过Y-Cb和Y-Cr2个子空间的查询表来建立肤色模型,从而对图像进行检测,对有效识别、过滤色情图像,建立绿色互联网具有重要研究意义。
康进峰,王国营[5]（2009）在《基于YCgCr颜色空间的肤色检测方法》文中研究说明提出了一种可变光照条件下的肤色检测算法。该方法分析了YCgCr颜色空间特征,使用贝叶斯规则来建立肤色分类器,在Y-Cg和Y-Cr两个子空间联合建立完整的肤色模型,分析比较了在相同方法下YCbCr和YCgCr颜色空间的优越性。实验结果表明,YCgCr颜色空间上得到的误检率和漏检率均低于YCbCr颜色空间,该算法可适用于较广范围的光照条件,可以有效地从复杂背景的彩色图像中检测出肤色区域。
关超[6]（2009）在《网络敏感信息过滤技术研究与实现》文中认为网络技术的普及与Internet用户持续、快速的增加,使网络信息安全成为影响到国家安全与社会稳定的一个重要问题。网络上的敏感信息,特别是色情信息的传播,扰乱社会秩序,破坏社会风气,给人们尤其是青少年带来了极大的负面影响。正是在这样的背景下,本文对网络敏感信息（主要针对色情信息）过滤关键技术开展了深入的研究,最后在此基础上实现了一套网络敏感信息过滤原型系统。本文的主要工作如下：（?）文本内容过滤中应用最广泛的就是模式串匹配算法,同时串匹配算法应用在对关键字进行过滤的包过滤系统中是非常有效的。针对目前多模式匹配算法在运算速度上不能满足网络大量文本快速匹配的需求,本文在对经典的模式串匹配算法分析的基础上提出了一种基于反向有限自动机的多模式匹配算法,实验结果表明该算法在一般情况下运行时间约为DFSA算法的一半,有效提高了匹配速度。（?）色情图像的最主要特征是含有大量裸露的人体皮肤区域,因此对色情图像的检测问题可从皮肤检测着手来解决。传统的皮肤检测方法由于仅仅利用了像素级上的颜色信息,因而容易把在颜色上和肤色相近的非皮肤区域误判为皮肤。为此,本文提出了YCgCr空间一种基于贝叶斯判决的统计肤色模型用来进行皮肤检测。实验结果表明与简单颜色空间模型及YCbCr空间统计模型相比,本文的算法取得了漏检率和误检率都比较低的较好结果。（?）色情图像识别也可以说是一个分类问题,即在给定一幅图像的情况下,判断该图像是属于色情图像还是属于正常图像。虽然色情图像含有大量的裸露皮肤,但仅仅以皮肤区域的面积比例来判断色情图像是不够的,本文从皮肤检测器输出掩码图像上提取了皮肤区域面积等多个特征,又利用小波包技术提取了纹理特征、利用Hu不变矩提取了形状特征。这些特征组合在一起形成一个能够把握色情图像整体特性的特征向量。最后将这些特征向量输入SVM分类器进行训练和测试,测试结果表明查全率较高、误检率较低,取得了较好的结果。（?）在图像分类基础上,本文设计了一套网络敏感信息过滤系统,该系统综合运用了基于内容的图像过滤技术和传统的过滤技术：关键词过滤、包过滤和URL阻断技术等多种过滤技术,能够对文本和图像等网络信息进行过滤。过滤系统主要包括数据截获模块、协议解析模块、访问控制模块和内容识别模块四部分,采用Winsock2 SPI技术,方便灵活地实现了网络数据的拦截和过滤。
齐美彬[7]（2007）在《多摄像机协作分布式智能视觉监控中若干问题研究》文中研究指明智能图像传感器是分布式视觉监控系统的关键设备，如果用高性能计算机来设计智能图像传感器，则成本过高。并且一般计算机的可靠性较差，不能满足视觉监控系统连续工作的需要。近年来，数字信号处理器（DSP）的运算速度大幅提升，而价格不断下降，因此可以用DSP代替计算机来设计智能图像传感器，降低成本并提高可靠性。与高性能计算机相比，DSP的计算能力毕竟有限，在计算机上取得良好性能的多数复杂算法不能直接应用到DSP上，必须根据DSP的计算能力设计新的算法或者对以往算法进行改进，在保证算法性能的前提下尽量降低算法的复杂度。本文就是以基于DSP的网络摄像机为硬件平台，研究分布式智能视觉监控中背景重建、运动目标检测及跟踪、人脸检测跟踪、摄像机标定、多摄像机协作监视等基础性问题，着力解决算法复杂度与算法性能之间的矛盾。主要成果及创新如下：（1）快速而准确的背景重建是分布式智能视觉监控的重要基础之一。论文提出两种快速背景重建算法，即基于背景象素值出现频次最高假设的背景重建改进方法和利用运动分割结果指导背景更新的背景重建方法。第一种方法先去掉前景点，再统计背景点各像素值出现的频次，选出频次最大的灰度值作为背景灰度值，算法能快速有效地重构背景，并且当目标运动缓慢或在某一区域频繁出现导致前景点出现的概率大于背景点时，仍能正确重构背景。第二种方法利用运动分割检测出“虚假”的运动区域，仅对“虚假”运动区域进行背景更新，计算量小，更新速度快，并且算法不受背景点出现频次的限制。（2）单摄像机跟踪是多摄像机跟踪的基础。论文给出一种运动检测与运动搜索相结合的卡尔曼预测多目标跟踪算法，算法使用跟踪置信度策略，在单摄像机条件下，能统一处理遮挡、合并、分裂等情况，具有较强的多目标跟踪能力。（3）视频人脸检测、跟踪是视觉监控系统的一项重要功能。论文综合应用肤色特征和人脸区域的边缘点方向特征，给出一种基于贝叶斯分类器的快速视频人脸检测方法，并利用人脸检测及kalman预测实现多人脸的跟踪。（4）通过摄像机标定获取目标的世界坐标是视觉监控的重要任务之一。论文提出一种基于四元数的运动摄像机旋转矩阵的在线标定方法，标定方法简捷，重建世界坐标误差较小。另外提出一种基于人体身高模型的单摄像机目标定位新方法，能通过外参数未标定的单个摄像机获取目标在地平面上的二维坐标，满足室内或室外运动目标定位的需要。（5）多摄像机协作是提高分布式视觉监控系统智能性的重要方法。论文提出一种联盟机制多摄像机协作模型，利用基于任务需求与摄像机能力距离匹配的协作联盟快速生成算法选择择多个摄像机来跟踪目标，并用加权轨迹融合算法提高轨迹的精度。
吕东辉,王滨[8]（2006）在《YCbCr空间中一种基于贝叶斯判决的肤色检测方法》文中研究指明皮肤颜色是人脸检测、定位、跟踪时的一种十分有效的特征,而且裸露的皮肤区域也是色情图像的最重要特征之一。为了有效地进行图像的皮肤检测,提出了一种新的肤色检测方法。该方法首先通过统计1 809 502个肤色像素点和1 763 682个非肤色像素点,并使用贝叶斯规则来建立肤色分类器;然后考虑亮度对肤色的影响,采用Y-Cb和Y-Cr两个子空间的查询表来建立肤色模型。为了联合使用两个查询表,先采用高斯归一化和线性化方法来将阈值范围调整至[0,1];同时对查询表进行中值滤波处理,以除去离散孤立点。实验表明,与其他3种方法相比,该方法不仅有着较低的漏检率（9.814%）和误检率（3.5%）,而且对于不同光照条件也有较好的检测效果。
张红梅[9]（2005）在《人脸检测及面部特征定位技术研究与系统实现》文中指出本文研究人脸检测及彩色单人脸正面图像的面部特征定位问题。人脸检测与特征定位是计算机视觉技术的一项关键技术,它在视频监控、人脸识别系统以及新一代的人机交互技术等领域具有广泛的应用前景。文中收集和分析了大量近年来国内外关于人脸检测与面部特征提取的学术论文及研究报告,针对人脸自动检测系统的建立进行了深入的研究。并在国际、国内关于人脸检测技术研究成果的基础上,开发出基于AdaBoost 人脸检测算法、肤色追踪算法和信息融合算法的人脸自动检测系统。该系统借鉴了前人的一些特征提取和人脸检测算法,并针对研究项目的要求和实验条件,作了一些关键性的改进。其主要研究工作如下: 1、基于Viola 博士的实时人脸检测算法,实现了基于Haar-like 特征的AdaBoost分类器人脸检测算法,达到了快速有效的人脸检测。与传统的“金字塔”方式不同,在人脸检测过程中,我采用了新的检测策略:逐层放大检测窗口,再对检测窗口内的图像进行模式匹配。这种策略,可以避免直接对图像进行缩放变换,减小了计算量,提高了检测速度。这一算法对于AR、FERET 等一些标准人脸库正面图像都获得了99%以上的检测率,检测跟踪速度达到15 帧/秒的实时视频标准。2、应用肤色在彩色空间的HSV 空间的反向投影图,即肤色概率分布图进行人脸检测追踪的算法实现了多姿态人脸的追踪问题。该算法简单计算量小,跟踪速度快,并对人脸的姿态、角度变换具有很好的适应性。3、运用信息融合的思想,提出并实现了将AdaBoost 算法分类器、人脸肤色信息以及人脸轮廓特征三大分类判据的决策融合。同时针对人脸轮廓特征采用线性加权算法实现了三种不同人脸轮廓特征的融合,从而实现了人脸检测的信息融合方案。该算法在克服单个分类器缺陷的同时又充分发挥了几种算法的优势,达到了良好的人脸检测和跟踪效果。实验证明信息融合方法能提高检测系统的检测率和鲁棒性。4、针对静止彩色图片,本文应用眼睛在YCbCr 空间色度信息和人脸几何特征相结合的方法来进行面部器官的定位。该特征定位算法首先利用眼睛色度图定位出眼睛,并在此基础上,根据面部几何关系在已检测出人脸矩形框内,搜索其他特征点,减少了算法扫描时间。该算法对色度信息和面部几何特征的有效利用,使该算法具备计算简单、速度快的特点,可以应用于实时系统。实验表明,该算
王滨,吕东辉[10]（2004）在《基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究（英文）》文中研究指明皮肤颜色信息是人脸检测和定位中一种有效的健壮特征。肤色模型的优劣主要取决于在肤色与非肤色交叠区域建立判决机制的有效性。提出了一种基于贝叶斯判决提取YCbCr颜色空间数据的肤色分类方法。该方法从大量肤色样本和非肤色样本统计出实验数据,使用贝叶斯规则建立肤色分类器。考虑到在高亮度区和低亮度区肤色色度（Cb,Cr分量）与亮度（Y分量）非线性相关,采用Y- Cb和Y- Cr两个子空间的查询表来建立肤色模型。实验表明,引入贝叶斯判决可以通过改变阈值来调节漏检率和误检率变化;采用两个查询表比传统的Cb -Cr查询表有更好的检测效果。
二、基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究(英文)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究(英文)（论文提纲范文）
（2）基于web的人脸识别登陆和管理系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 人脸识别算法 |
| 1.2.2 人脸识别应用 |
| 1.3 论文研究内容 |
| 1.4 本文结构安排 |
| 2 系统的需求分析 |
| 2.1 系统功能性需求 |
| 2.1.1 功能需求分析 |
| 2.1.2 系统功能流程分析 |
| 2.2 系统运行指标 |
| 2.3 本章小结 |
| 3 系统设计 |
| 3.1 系统的概要设计 |
| 3.2 系统总体模式设计 |
| 3.3 系统总体架构设计 |
| 3.4 系统功能模块设计 |
| 3.5 系统数据库设计 |
| 3.6 本章小结 |
| 4 系统实现 |
| 4.1 人脸识别算法 |
| 4.1.1 人脸检测与定位 |
| 4.1.2 人脸图像的归一化 |
| 4.1.3 人脸特征提取及识别 |
| 4.1.4 实验验证 |
| 4.2 系统开发工具 |
| 4.3 系统运行环境 |
| 4.4 系统开发相关技术 |
| 4.4.1 系统前端开发技术 |
| 4.4.2 系统后端开发技术 |
| 4.5 系统功能模块实现 |
| 4.5.1 人脸库用户注册模块 |
| 4.5.2 人脸识别登陆模块 |
| 4.5.3 后台管理模块 |
| 4.6 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简历与参与项目 |
| 致谢 |
（3）一种改进的高亮度区域肤色像素检测算法（论文提纲范文）
| 0 引言 |
| 1 改进的肤色检测算法 |
| 1.1 高亮度区域肤色像素的特征分析 |
| 1.2 基于单高斯模型的肤色检测 |
| 1.2.1 颜色空间的选取 |
| 1.2.2 肤色建模 |
| 1.2.3 自适应阈值分割算法 |
| 1.3 高亮度肤色像素的检测 |
| 1.4 算法描述 |
| 2 实验结果及分析 |
| 3 结语 |
（4）基于贝叶斯肤色检测算法的色情图像识别研究（论文提纲范文）
| 0 引 言 |
| 1 BES算法介绍 |
| 1.1 模型建立 |
| 1.2 贝叶斯判决 |
| 1.3 算法描述 |
| 2 结构设计 |
| 2.1 总体模块划分 |
| 2.2 模块/子系统分解 |
| 1) 颜色空间肤色模型 (color space skin model, CSSM) 描述。 |
| 2) 颜色空间参数管理 (color space parameter manage, CSPM) 描述。 |
| 3) 颜色空间肤色决策 (color space skin decision, CSSD) 描述。 |
| 2.3 运行设计 |
| 2.4 模块/子系统接口描述 |
| 1) CSSM学习图片。 |
| 2) CSSM删除图片。 |
| 3) CSSM获取图片ID列表。 |
| 4) CSPM设置BES参数。 |
| 5) CSPM获取BES参数。 |
| 6) CSSD决策图片。 |
| 3 总结与展望 |
（6）网络敏感信息过滤技术研究与实现（论文提纲范文）
| 表目录 |
| 图目录 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文的研究背景 |
| 1.2 本文研究和工作的重点 |
| 1.3 本文的组织和结构安排 |
| 第二章 网络敏感信息过滤概述 |
| 2.1 敏感信息过滤系统的类型 |
| 2.2 现有敏感信息过滤系统分析 |
| 2.3 基于内容的敏感信息过滤发展现状 |
| 2.3.1 国外研究现状 |
| 2.3.2 国内研究现状 |
| 2.3.3 存在的问题 |
| 2.4 本章小结 |
| 第三章 文本过滤算法 |
| 3.1 经典模式匹配算法分析 |
| 3.1.1 BM算法 |
| 3.1.2 DFSA算法 |
| 3.1.3 FS算法 |
| 3.2 快速的多模式匹配算法 |
| 3.2.1 预处理阶段 |
| 3.2.2 匹配阶段 |
| 3.2.3 算例分析 |
| 3.2.4 算法复杂度分析 |
| 3.3 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 肤色检测算法研究 |
| 4.1 肤色的可分性 |
| 4.2 常用的肤色模型介绍 |
| 4.2.1 简单颜色空间模型 |
| 4.2.2 高斯模型 |
| 4.2.3 统计直方图模型 |
| 4.2.4 肤色模型比较分析 |
| 4.3 基于贝叶斯判决的肤色检测 |
| 4.3.1 颜色空间的选择 |
| 4.3.2 贝叶斯判决原理 |
| 4.3.3 建立查询表 |
| 4.4 实验结果及分析 |
| 4.4.1 实验基本原理 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 敏感图像特征提取与分类 |
| 5.1 敏感图像特征选择与提取 |
| 5.1.1 皮肤掩码图像特征提取 |
| 5.1.2 纹理特征 |
| 5.1.3 形状特征 |
| 5.2 敏感图像识别与分类 |
| 5.2.1 支持向量机 |
| 5.2.1.1 SVM基本原理 |
| 5.2.1.2 支持向量机模型 |
| 5.2.2 基于SVM的图像分类 |
| 5.2.2.1 特征向量的组成 |
| 5.2.2.2 核函数及参数的选择 |
| 5.2.2.3 实验结果及分析 |
| 5.3 本章小结 |
| 第六章 敏感信息过滤系统 |
| 6.1 过滤系统结构 |
| 6.1.1 过滤系统特点 |
| 6.1.2 系统结构设计 |
| 6.2 系统模块设计 |
| 6.2.1 数据截获模块 |
| 6.2.2 协议解析模块 |
| 6.2.2.1 HTTP协议原理 |
| 6.2.2.2 HTTP协议分析 |
| 6.2.3 访问控制模块 |
| 6.2.4 内容识别模块 |
| 6.3 系统软件设计 |
| 6.3.1 系统工作流程 |
| 6.3.2 程序设计 |
| 6.4 过滤系统的效果 |
| 6.5 本章小结 |
| 结束语 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（7）多摄像机协作分布式智能视觉监控中若干问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 致谢 |
| 第一章 概述 |
| 1.1 课题研究背景 |
| 1.2 智能视觉监控中的关键问题 |
| 1.2.1 Marr计算视觉理论框架 |
| 1.2.2 智能视觉监控的关键问题 |
| 1.3 分布式智能视觉监控系统及其关键问题 |
| 1.3.1 系统物理结构及功能 |
| 1.3.2 图像传感器计算资源受限 |
| 1.3.3 多传感器协作监视 |
| 1.4 本文主要工作及论文安排 |
| 1.4.1 本文主要工作 |
| 1.4.2 论文组织 |
| 第一章参考文献 |
| 第二章 背景重建及运动检测 |
| 2.1 背景重建概述 |
| 2.1.1 影响背景重建的因素 |
| 2.1.2 滤波及线性预测背景重建 |
| 2.1.3 统计模型背景重建 |
| 2.1.4 象素值归类背景重建 |
| 2.2 运动目标的检测 |
| 2.2.1 光流法 |
| 2.2.2 帧差法 |
| 2.2.3 背景减法 |
| 2.2.4 运动目标阴影消除 |
| 2.3 形态学滤波及目标分割 |
| 2.3.1 形态学滤波 |
| 2.3.2 目标区域分割 |
| 2.4 背景象素值频次最高假设下的背景重建 |
| 2.4.1 背景重构算法描述 |
| 2.4.2 运动检测实验结果分析 |
| 2.4.3 算法适应性讨论 |
| 2.5 运动分割结果指导的背景重建 |
| 2.5.1 结合运动分割的背景更新算法的提出 |
| 2.5.2 算法描述 |
| 2.5.3 运动检测实验结果分析 |
| 2.5.4 算法适用性分析 |
| 2.6 本章小结 |
| 第二章参考文献 |
| 第三章 单摄像机运动跟踪 |
| 3.1 运动跟踪基本问题 |
| 3.1.1 目标的描述 |
| 3.1.2 目标运动模型 |
| 3.1.3 噪声运动及目标阴影的处理 |
| 3.1.4 运动场景下的目标跟踪 |
| 3.1.5 多目标跟踪 |
| 3.2 运动状态的预测 |
| 3.2.1 卡尔曼预测 |
| 3.2.2 扩展卡尔曼预测 |
| 3.2.3 卡尔曼预测跟踪系统模型 |
| 3.2.4 卡尔曼预测初始条件的确定 |
| 3.2.5 卡尔曼预测的性能评估 |
| 3.3 运动检测与运动搜索相结合的卡尔曼预测多目标跟踪 |
| 3.3.1 算法的提出 |
| 3.3.2 动态目标链及置信度 |
| 3.3.3 目标被背景遮挡的处理 |
| 3.3.4 目标合并及完全遮挡的处理 |
| 3.3.5 目标分裂的处理 |
| 3.3.6 多目标跟踪算法步骤 |
| 3.3.7 多目标跟踪实验结果 |
| 3.4 本章小结 |
| 第三章参考文献 |
| 第四章 贝叶斯分类器视频人脸检测及跟踪 |
| 4.1 人脸检测方法回顾 |
| 4.1.1 基于先验知识的人脸检测 |
| 4.1.2 基于统计模型的人脸检测 |
| 4.2 肤色模型与贝叶斯分类器相结合的人脸检测 |
| 4.2.1 颜色空间 |
| 4.2.2 肤色模型的选择 |
| 4.2.3 Bayes分类器的特征选择 |
| 4.2.4 Bayes分类器的训练 |
| 4.2.5 基于Bayes分类器的人脸检测 |
| 4.2.6 人脸检测算法步骤 |
| 4.2.7 视频人脸检测实验结果 |
| 4.3 结合kalman预测的人脸跟踪 |
| 4.4 本章小结 |
| 第四章参考文献 |
| 第五章 摄像机旋转运动参数的在线标定 |
| 5.1 摄像机模型 |
| 5.1.1 小孔成像模型 |
| 5.1.2 摄像机外部参数 |
| 5.1.3 摄像机内部参数 |
| 5.1.4 透镜畸变 |
| 5.2 摄像机标定概述 |
| 5.2.1 基于标定物的传统标定方法 |
| 5.2.2 摄像机自标定 |
| 5.2.3 主动视觉摄像机标定 |
| 5.3 摄像机旋转运动参数的在线标定 |
| 5.3.1 摄像机的旋转运动 |
| 5.3.2 旋转矩阵的欧拉角表示 |
| 5.3.3 四元数定义 |
| 5.3.4 旋转矩阵的四元数表示 |
| 5.3.5 视觉监控中旋转矩阵的四元数求解 |
| 5.4 本章小结 |
| 第五章参考文献 |
| 第六章 身高模型单摄像机目标定位 |
| 6.1 引言 |
| 6.2 身高模型单摄像机目标定位原理 |
| 6.2.1 地平面坐标系 |
| 6.2.2 身高模型原理 |
| 6.3 基于身高模型的目标定位 |
| 6.3.1 身高模型的获得 |
| 6.3.2 目标横向位置确定 |
| 6.4 单摄像机目标定位实验 |
| 6.5 本章小结 |
| 第六章参考文献 |
| 第七章 联盟机制多摄像机协作运动目标跟踪 |
| 7.1 多摄像机数据融合概述 |
| 7.1.1 多摄像机数据融合的层次 |
| 7.1.2 目标关联问题及数据同步问题 |
| 7.1.3 多摄像机跟踪目标轨迹融合 |
| 7.2 多摄像机规划策略 |
| 7.2.1 摄像机初始规划与动态规划 |
| 7.2.2 摄像机动态规划策略 |
| 7.3 基于能力距离匹配的联盟生成快速算法 |
| 7.3.1 协作监视联盟的描述 |
| 7.3.2 联盟生成快速算法 |
| 7.3.3 联盟生成快速算法仿真实验 |
| 7.4 基于数据置信度的加权轨迹融合 |
| 7.4.1 轨迹融合的算法原理 |
| 7.4.2 分段轨迹融合实现 |
| 7.4.3 轨迹融合算法步骤 |
| 7.4.4 轨迹融合实验 |
| 7.5 本章小结 |
| 第七章参考文献 |
| 第八章 总结与展望 |
| 8.1 论文主要工作 |
| 8.2 下一步工作展望 |
| 8.2.1 智能视觉监控系统构建 |
| 8.2.2 开展高层视觉处理 |
| 8.2.3 完善MAS模型分布式智能视觉监控系统 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参加课题情况 |
（8）YCbCr空间中一种基于贝叶斯判决的肤色检测方法（论文提纲范文）
| 1 引 言 |
| 2 基于贝叶斯判决的肤色模型的建立 |
| 2.1 与亮度有关的双查询表的建立 |
| 2.2 贝叶斯分类器中判定阈值的选择 |
| 2.3 肤色建模 |
| 3 基于贝叶斯判决和双查询表的肤色建模的实验研究 |
| 4 4种肤色区域提取方法的比较研究 |
| 5 结论与展望 |
（9）人脸检测及面部特征定位技术研究与系统实现（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 目录 |
| 1 绪论 |
| 1.1 生物识别技术 |
| 1.2 人脸检测研究的背景和意义 |
| 1.3 人脸检测方法综述 |
| 1.3.1 基于肤色特征的人脸检测 |
| 1.3.2 基于灰度特征的人脸检测 |
| 1.4 本文主要研究工作 |
| 2 AdaBoost 算法用于正脸检测 |
| 2.1 问题背景及Boosting 算法的提出 |
| 2.2 AdaBoost 算法流程 |
| 2.3 AdaBoost 算法在正面人脸检测中的应用 |
| 2.3.1 积分图 |
| 2.3.2 AdaBoost 用于特征选择 |
| 2.3.3 决策树分类器结构 |
| 2.4 人脸检测 |
| 2.4.1 检测方法 |
| 2.4.2 检测过程的详细描述 |
| 2.4.3 后处理 |
| 2.5 实验结果 |
| 2.6 本章小结 |
| 3 基于 HSV 肤色空间反向投影的人脸检测 |
| 3.1 彩色空间表示 |
| 3.1.1 RGB 色系坐标系 |
| 3.1.2 YUV 和YIQ 色系坐标系 |
| 3.1.3 HSI 坐标系 |
| 3.1.4 HSV 色系坐标系 |
| 3.1.5 YES 色系坐标系 |
| 3.1.6 rgb 纯色系坐标系 |
| 3.2 基于HSV 肤色空间反向投影的人脸检测和跟踪算法 |
| 3.2.1 HSV 肤色空间的直方图分析 |
| 3.2.2 Hue 分量的反向投影分析 |
| 3.2.3 Meanshift 算法 |
| 3.2.4 HSV 空间反向投影算法对于图像问题的处理 |
| 3.3 本章小结 |
| 4 多源信息融合的人脸定位算法 |
| 4.1 信息融合技术综述 |
| 4.1.1 信息融合的层次化描述 |
| 4.2 基于信息融合的人脸自动检测方法 |
| 4.2.1 检测方法中的决策融合 |
| 4.2.2 肤色区域图像处理 |
| 4.2.3 人脸检测形状分类器 |
| 4.2.4 人脸检测中的特征融合—线性加权平均融合算法 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 5 脸部特征的提取 |
| 5.1 眼睛定位过程 |
| 5.1.1 彩色空间模型的选取 |
| 5.1.2 光线补偿 |
| 5.1.3 基于眼睛亮度值的膨胀和中值滤波 |
| 5.1.4 眼睛的定位 |
| 5.2 嘴和鼻子定位 |
| 5.2.1 肤色分割 |
| 5.2.2 面部几何关系的应用 |
| 5.2.3 鼻子定位 |
| 5.2.4 嘴定位 |
| 5.3 实验结果 |
| 5.4 本章小结 |
| 6 人脸自动检测系统的实现 |
| 6.1 前言 |
| 6.2 系统组成 |
| 6.3 图像采集 |
| 6.4 软件实现 |
| 6.5 本章小结 |
| 7 全文总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 独创性声明 |
| 学位论文版权使用授权书 |
四、基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究(英文)（论文参考文献）
- [1]实时的移动机器人语义地图构建系统[J]. 李秀智,李尚宇,贾松敏,单吉超. 仪器仪表学报, 2017(11)
- [2]基于web的人脸识别登陆和管理系统设计与实现[D]. 王哲. 郑州大学, 2017(02)
- [3]一种改进的高亮度区域肤色像素检测算法[J]. 郑颖,蔡灿辉,朱建清. 通信技术, 2014(05)
- [4]基于贝叶斯肤色检测算法的色情图像识别研究[J]. 王渊民,张立,肖亚迪. 数字通信, 2013(04)
- [5]基于YCgCr颜色空间的肤色检测方法[J]. 康进峰,王国营. 计算机工程与设计, 2009(19)
- [6]网络敏感信息过滤技术研究与实现[D]. 关超. 解放军信息工程大学, 2009(03)
- [7]多摄像机协作分布式智能视觉监控中若干问题研究[D]. 齐美彬. 合肥工业大学, 2007(05)
- [8]YCbCr空间中一种基于贝叶斯判决的肤色检测方法[J]. 吕东辉,王滨. 中国图象图形学报, 2006(01)
- [9]人脸检测及面部特征定位技术研究与系统实现[D]. 张红梅. 重庆大学, 2005(01)
- [10]基于贝叶斯判决的关于YCbCr空间的肤色模型查询表建立的研究（英文）[J]. 王滨,吕东辉. 仪器仪表学报, 2004(S3)