| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题来源及研究目的和意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究目的和意义 | 第9-10页 |
| ·人脸检测技术简介 | 第10-12页 |
| ·相关领域国内外研究现状 | 第12页 |
| ·本论文的主要工作及组织结构 | 第12-14页 |
| 第2章 人脸图像的光照处理 | 第14-28页 |
| ·光照变化的影响 | 第14-17页 |
| ·光照变化对人脸图像的影响 | 第14-16页 |
| ·光照变化对人脸检测的影响 | 第16-17页 |
| ·针对人脸的光照补偿常用算法 | 第17-23页 |
| ·基于空域变换的方法 | 第17-19页 |
| ·基于频域变换的方法 | 第19-21页 |
| ·Gamma校正 | 第21-22页 |
| ·光照补偿评价方法 | 第22-23页 |
| ·光照补偿算法在人脸图像预处理中的改进与应用 | 第23-26页 |
| ·改进的gamma校正 | 第23-24页 |
| ·实验结果分析 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于肤色和AdaBoost的人脸检测 | 第28-38页 |
| ·基于肤色匹配的人脸检测的实现 | 第28-29页 |
| ·基于积分图像的Adaboost人脸检测 | 第29-37页 |
| ·积分图 | 第30页 |
| ·Haar特征 | 第30-32页 |
| ·Haar特征的计算方法 | 第32-34页 |
| ·AdaBoost算法训练强分类器 | 第34-36页 |
| ·级联分类器的训练方法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于新Haar-like特征的AdaBoost人脸检测 | 第38-61页 |
| ·新的Haar-like特征及分类器的训练 | 第38-48页 |
| ·选取样本集合 | 第38-39页 |
| ·样本集的处理及变换 | 第39-41页 |
| ·训练部分流程 | 第41-42页 |
| ·新Haar-like特征及计算方法 | 第42-45页 |
| ·强分类器的训练及实现 | 第45-47页 |
| ·级联分类器的实现及参数设置 | 第47-48页 |
| ·AdaBoost人脸检测的实现 | 第48-51页 |
| ·检测部分实现流程 | 第48-51页 |
| ·实现方法及参数设定 | 第51页 |
| ·实验结果与分析 | 第51-60页 |
| ·人脸检测评价方法 | 第52页 |
| ·人脸检测结果分析 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·全文的工作总结 | 第61-62页 |
| ·不足与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |