| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9页 |
| ·人脸检测的历史与研究现状 | 第9-11页 |
| ·人脸检测算法存在的问题 | 第11页 |
| ·本论文的工作和结构安排 | 第11-13页 |
| 第二章 Adaboost人脸检测算法 | 第13-27页 |
| ·Adaboost的发展历史 | 第13-15页 |
| ·强分类器和弱分类器 | 第13页 |
| ·集群学习 | 第13-14页 |
| ·Adaboost算法 | 第14-15页 |
| ·适合于人脸检测的Adaboost | 第15-26页 |
| ·Haar特征提取 | 第17-19页 |
| ·解决正例和负例的巨大数量差别 | 第19-21页 |
| ·非对称学习与级联分类器 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 部分集分类器 | 第27-38页 |
| ·人脸检测训练算法中的突出问题:分类器训练时间 | 第27-28页 |
| ·训练算法和样本数量的关系 | 第28-31页 |
| ·部分集分类器 | 第31-37页 |
| ·集群学习 | 第31-32页 |
| ·部分集分类器的猜想 | 第32-33页 |
| ·固定分块法 | 第33-35页 |
| ·可变分块法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 并行计算框架 | 第38-52页 |
| ·并行计算的趋势 | 第38-42页 |
| ·多核心处理器 | 第38-40页 |
| ·机器视觉的并行潜力 | 第40-42页 |
| ·并行计算的软件平台 | 第42-46页 |
| ·基于CPU框架的OpenMP用户编程接口 | 第42-45页 |
| ·基于GPU框架的Cuda并行软件架构 | 第45-46页 |
| ·值得并行处理的算法部分 | 第46-50页 |
| ·Adaboost样本训练部分的并行化 | 第46-48页 |
| ·Bootstrapping筛选图像块部分的并行化 | 第48-49页 |
| ·总的并行计算处理 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 实验结果与分析 | 第52-74页 |
| ·实验目的 | 第52页 |
| ·实验的环境 | 第52-62页 |
| ·实验中用到的数据库 | 第52-55页 |
| ·实验中涉及的参数 | 第55-62页 |
| ·实验平台 | 第62页 |
| ·实验结果与分析 | 第62-72页 |
| ·部分集分类器的实验结果 | 第62-65页 |
| ·并行计算框架的实验结果 | 第65-68页 |
| ·结合部分集分类器和并行计算的实验结果 | 第68-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 结论与展望 | 第74-77页 |
| ·结论 | 第74-75页 |
| ·潜力、不足与展望 | 第75-77页 |
| ·潜力 | 第75页 |
| ·不足 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表的学术论文 | 第84页 |