基于支持向量机的彩色人脸检测技术
| 第一章 绪论 | 第1-19页 |
| 1．1 引言 | 第8-9页 |
| 1．2 人脸检测综述 | 第9-17页 |
| 1．2．1 该领域内的研究现状 | 第9-10页 |
| 1．2．2 主要人脸检测方法 | 第10-17页 |
| 1．2．3 人脸检测的评价指标 | 第17页 |
| 1．3 论文主要研究工作 | 第17-18页 |
| 1．4 论文的创新之处 | 第18页 |
| 1．5 论文的内容结构 | 第18-19页 |
| 第二章 支持向量机技术 | 第19-25页 |
| 2．1 引言 | 第19页 |
| 2．2 支持向量机方法 | 第19-22页 |
| 2．3 支持向量机的主要优点 | 第22-23页 |
| 2．4 核函数 | 第23-24页 |
| 2．5 SVM算法 | 第24页 |
| 2．6 关于SVM的应用研究 | 第24-25页 |
| 第三章 彩色图像分割技术 | 第25-36页 |
| 3．1 引言 | 第25页 |
| 3．2 彩色空间 | 第25-30页 |
| 3．2．1 RGB色彩空间 | 第25-26页 |
| 3．2．2 归一化RGB色彩模型 | 第26页 |
| 3．2．3 HSI色彩模型 | 第26-27页 |
| 3．2．4 HSV色彩模型 | 第27-28页 |
| 3．2．5 YIQ色彩模型 | 第28页 |
| 3．2．6 YUV色彩模型 | 第28-29页 |
| 3．2．7 CMY彩色模型 | 第29-30页 |
| 3．2．8 YCbCr彩色模型 | 第30页 |
| 3．3 彩色图像的分割 | 第30-36页 |
| 3．3．1 选取色彩空间 | 第31页 |
| 3．3．2 建立肤色模型 | 第31-33页 |
| 3．3．3 肤色分割 | 第33-36页 |
| 第四章 预处理和特征空间 | 第36-43页 |
| 4．1 引言 | 第36页 |
| 4．2 训练样本图像集合 | 第36-39页 |
| 4．2．1 获取人脸样本图像 | 第36-38页 |
| 4．2．2 获取非人脸样本图像 | 第38页 |
| 4．2．3 训练样本预处理 | 第38-39页 |
| 4．3 特征提取 | 第39-43页 |
| 4．3．1 主成分分析原理 | 第40页 |
| 4．3．2 样本图像的主成分分析 | 第40-43页 |
| 第五章 人脸检测 | 第43-52页 |
| 5．1 引言 | 第43页 |
| 5．2 SVM分类器 | 第43页 |
| 5．3 SVM的训练 | 第43-45页 |
| 5．4 人脸检测算法流程 | 第45-47页 |
| 5．5 基于SVM的人脸检测 | 第47-49页 |
| 5．6 实验结果及分析 | 第49-50页 |
| 5．7 部分测试图像的检测结果 | 第50-52页 |
| 第六章 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
