| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·人脸检测的研究现状及方法 | 第12-16页 |
| ·人脸检测的难点 | 第16-17页 |
| ·本文的主要工作和内容安排 | 第17-19页 |
| 第二章 基于 AdaBoost 算法的人脸检测 | 第19-28页 |
| ·基于 AdaBoost 的人脸检测算法 | 第19-23页 |
| ·特征选择的影响 | 第20页 |
| ·Haar-like 特征 | 第20-22页 |
| ·用积分图计算 haar-like 特征值 | 第22-23页 |
| ·AdaBoost 算法训练过程 | 第23-25页 |
| ·AdaBoost 算法的检测过程 | 第25-27页 |
| ·级联分类器的检测过程 | 第26-27页 |
| ·级联分类器的分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 AdaBoost 人脸检测算法的改进 | 第28-38页 |
| ·AdaBoost 算法的分析及改进 | 第28-30页 |
| ·人脸样本的选取 | 第28-29页 |
| ·训练过程中权重更新规则的改进 | 第29-30页 |
| ·训练过程中数据不平衡问题的改进 | 第30页 |
| ·改进 AdaBoost 算法训练过程 | 第30-35页 |
| ·最优弱分类器的选取 | 第31-33页 |
| ·强分类器的训练 | 第33-35页 |
| ·人脸检测过程 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于改进 AdaBoost 算法的人脸检测结果及分析 | 第38-47页 |
| ·基于 Windows 下的人脸检测 | 第38-44页 |
| ·OpenCv 视觉函数库 | 第38-39页 |
| ·人脸检测程序实现过程 | 第39-44页 |
| ·基于 Linux 下的人脸检测 | 第44-46页 |
| ·基于 Qt 的图形用户界面设计 | 第44-45页 |
| ·LINUX 下实验结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于 S3C2440 嵌入式系统的算法实现 | 第47-53页 |
| ·人脸检测系统的硬件平台 | 第47-48页 |
| ·嵌入式操作系统的搭建 | 第48-50页 |
| ·交叉编译环境 | 第48-49页 |
| ·Linux 操作系统的移植 | 第49-50页 |
| ·人脸检测应用程序实现 | 第50-51页 |
| ·测试结果 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第六章 结论 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |