| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12页 |
| 1.2 人脸检测研究进展 | 第12-16页 |
| 1.2.1 人脸检测方法及分类 | 第13-16页 |
| 1.2.2 人脸检测结果的评价标准 | 第16页 |
| 1.3 本课题研究的主要内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 ADABOOST 快速人脸检测算法 | 第18-29页 |
| 2.1 ADABOOST 算法概述 | 第18-19页 |
| 2.2 基于ADABOOST 算法的人脸检测 | 第19-24页 |
| 2.2.1 Haar-like 特征 | 第20-22页 |
| 2.2.2 积分图 | 第22-24页 |
| 2.3 ADABOOST 人脸检测算法的训练过程 | 第24-28页 |
| 2.3.1 训练样本集 | 第24-25页 |
| 2.3.2 弱分类器 | 第25页 |
| 2.3.3 强分类器 | 第25页 |
| 2.3.4 层级级联分类器 | 第25-27页 |
| 2.3.5 训练过程 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 ADABOOST 算法的纯软件实现 | 第29-46页 |
| 3.1 ADABOOST 算法检测流程 | 第29-30页 |
| 3.2 软件实现中使用的工具 | 第30-31页 |
| 3.2.1 gprof | 第30页 |
| 3.2.2 gcov | 第30-31页 |
| 3.2.3 Valgrind | 第31页 |
| 3.3 检测机制 | 第31-33页 |
| 3.3.1 弱分类器尺度缩放 | 第32页 |
| 3.3.2 图像金字塔缩放 | 第32-33页 |
| 3.4 检测算法的软件实现 | 第33-43页 |
| 3.4.1 预处理 | 第34-37页 |
| 3.4.2 积分图计算 | 第37-38页 |
| 3.4.3 图像缩放 | 第38-40页 |
| 3.4.4 检测过程 | 第40-41页 |
| 3.4.5 合并 | 第41-43页 |
| 3.5 实验结果和分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 ADABOOST 算法在嵌入式平台的优化 | 第46-58页 |
| 4.1 嵌入式开发平台介绍 | 第46-49页 |
| 4.1.1 XUP 中的PowerPC 处理器介绍 | 第46-48页 |
| 4.1.2 Xilinx 开发工具介绍 | 第48页 |
| 4.1.3 软硬件开发平台总结 | 第48-49页 |
| 4.2 ADABOOST 在嵌入式平台的优化 | 第49-56页 |
| 4.2.1 浮点定点化 | 第49-52页 |
| 4.2.2 硬件加速设计 | 第52-56页 |
| 4.2.3 参数优化 | 第56页 |
| 4.2.4 其它优化 | 第56页 |
| 4.3 本章小结 | 第56-58页 |
| 第五章 ADABOOST 算法全硬件实现的C 模型 | 第58-62页 |
| 5.1 硬件框架 | 第58-59页 |
| 5.2 C 模型仿真 | 第59-60页 |
| 5.3 硬件实现 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 实验结果与分析 | 第62-68页 |
| 6.1 实验平台介绍 | 第62-63页 |
| 6.2 实验结果和分析 | 第63-66页 |
| 6.3 检测效果展示 | 第66-68页 |
| 总结和展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间已发表或录用的论文 | 第73页 |