| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·人脸检测技术研究的意义 | 第8页 |
| ·人脸检测技术研究的难点 | 第8-9页 |
| ·人脸检测技术的性能评价 | 第9页 |
| ·人脸检测技术算法 | 第9-15页 |
| ·论文主要研究内容 | 第15-16页 |
| 第二章 基于ADABOOST算法的人脸检测 | 第16-34页 |
| ·AdaBoost算法的背景和理论基础 | 第16-17页 |
| ·基于AdaBoost算法的人脸检测系统 | 第17-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于ADABOOST和BAYES可分离特征的嘴唇集成检测算法 | 第34-48页 |
| ·引言 | 第34-35页 |
| ·Walsh特征 | 第35-37页 |
| ·Real AdaBoost算法 | 第37-38页 |
| ·两层级联分类器 | 第38-40页 |
| ·嘴唇类与非嘴唇类的统计模型 | 第40-43页 |
| ·贝叶斯可分离特征分类器 | 第43-44页 |
| ·嘴唇快速集成检测算法 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于扩展三角特征的ADABOOST快速人眼检测 | 第48-62页 |
| ·引言 | 第48页 |
| ·人眼的特征分析 | 第48-49页 |
| ·三角特征及其快速计算 | 第49-54页 |
| ·AdaBoot算法训练速度的提高 | 第54-58页 |
| ·眼睛训练样本与非眼睛训练样本的选择 | 第58-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第五章 训练样本的相关问题分析 | 第62-82页 |
| ·训练样本的预处理 | 第62-64页 |
| ·训练级联分类器时负样本的加载问题 | 第64-71页 |
| ·检测策略与后处理 | 第71-81页 |
| ·小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间发表的学术论文目录 | 第90-92页 |