基于统计理论的人脸检测算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究的背景与意义 | 第9页 |
| ·国内外研究现状 | 第9-14页 |
| ·本文主要工作和创新点 | 第14-17页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的创新点 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 统计学习理论 | 第17-33页 |
| ·引言 | 第17页 |
| ·机器学习的基本问题 | 第17-19页 |
| ·问题的表示 | 第17-19页 |
| ·经验风险最小化 | 第19页 |
| ·复杂性与推广能力 | 第19页 |
| ·统计学习理论的核心内容 | 第19-22页 |
| ·VC维 | 第20页 |
| ·推广性的界 | 第20-21页 |
| ·结构风险最小化 | 第21-22页 |
| ·支持向量机 | 第22-28页 |
| ·广义最优分类面 | 第23-26页 |
| ·核函数 | 第26-27页 |
| ·SVM算法改进 | 第27-28页 |
| ·Boosting算法 | 第28-33页 |
| ·AdaBoost算法 | 第29-33页 |
| 第三章 基于模板子窗口树匹配特征的人脸检测算法 | 第33-44页 |
| ·引言 | 第33-34页 |
| ·积分图 | 第34-35页 |
| ·模板匹配快速计算 | 第35-36页 |
| ·模板区域划分 | 第36-37页 |
| ·模板与分类器构造方法 | 第37-38页 |
| ·人脸搜索策略 | 第38页 |
| ·加速策略 | 第38-40页 |
| ·实验结果 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于相位一致性的人脸检测算法 | 第44-52页 |
| ·引言 | 第44页 |
| ·相位一致性模型 | 第44-46页 |
| ·滤波器设计 | 第46-47页 |
| ·相位一致性人脸 | 第47页 |
| ·特征提取 | 第47-48页 |
| ·SVM构造结果 | 第48页 |
| ·人脸搜索策略 | 第48-49页 |
| ·加速策略 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 结束语 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |
| 攻读硕士学位期间主要参与项目 | 第60-62页 |
