| 第1章 绪论 | 第1-27页 |
| ·人脸检测问题的提出 | 第13页 |
| ·人脸检测的学术和应用价值 | 第13-14页 |
| ·人脸检测的难点 | 第14页 |
| ·目前的人脸检测方法 | 第14-18页 |
| ·基于启发式模型的方法 | 第14-16页 |
| ·基于统计模型的方法 | 第16-18页 |
| ·肤色信息在人脸检测中的应用 | 第18-23页 |
| ·人耳生物特征 | 第23-24页 |
| ·主要研究内容 | 第24-25页 |
| ·论文的创新点 | 第25页 |
| ·论文的安排 | 第25-27页 |
| 第2章 基于KICA的人脸检测算法 | 第27-44页 |
| ·肤色提取 | 第27-28页 |
| ·噪声滤波 | 第28页 |
| ·确定候选脸 | 第28页 |
| ·基于Kernel ICA算法的独立特征提取 | 第28-38页 |
| ·建立训练样本集 | 第28-29页 |
| ·预处理 | 第29-31页 |
| ·独立特征提取 | 第31-36页 |
| ·独立基选择 | 第36-38页 |
| ·基于SVM的ICA特征分类 | 第38-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第3章 链式Boosting算法在人脸检测中的应用 | 第44-55页 |
| ·链式Boosting的结构 | 第44-45页 |
| ·链式Boosting的训练算法 | 第45-47页 |
| ·链式Boosting训练算法的优化 | 第47-48页 |
| ·对a的优化 | 第47-48页 |
| ·去除Boosting算法中的冗余信息 | 第48页 |
| ·链式Boosting算法在人脸检测中的应用 | 第48-51页 |
| ·构造重建图像信噪比阈值函数 | 第48-49页 |
| ·用链式Boosting方法进行人脸检测 | 第49-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-55页 |
| 第4章 基于模板匹配的人脸检测算法 | 第55-82页 |
| ·可能肤色区域的提取 | 第55-58页 |
| ·去除噪声 | 第58页 |
| ·形态化处理 | 第58-61页 |
| ·连通区域标记，构造候选人脸区域的外接矩形 | 第61页 |
| ·可能肤色分块分析 | 第61-62页 |
| ·基于模板匹配的人脸检测方法 | 第62-74页 |
| ·模板匹配的基本原理 | 第62-64页 |
| ·基于平均脸模板匹配的人脸检测 | 第64-74页 |
| ·规则验证 | 第74-78页 |
| ·第一步验证——选出头发区域来(不考虑秃顶) | 第74-76页 |
| ·第二步验证——改进了的人脸三分图模型验证规则 | 第76-78页 |
| ·实验结果和分析 | 第78-80页 |
| ·本章小结 | 第80-82页 |
| 第5章 三种方法之比较 | 第82-85页 |
| 第6章 结束语 | 第85-88页 |
| ·总结 | 第85-86页 |
| ·展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第93页 |