| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题的主要内容及组织结构 | 第13-14页 |
| 2 人脸检测概述 | 第14-19页 |
| 2.1 人脸检测的定义与种类 | 第14页 |
| 2.2 人脸检测的主要方法 | 第14-16页 |
| 2.2.1 基于知识的人脸检测方法 | 第14-15页 |
| 2.2.2 基于统计的人脸检测方法 | 第15-16页 |
| 2.3 人脸定位的数据库介绍 | 第16-18页 |
| 2.3.1 FERET人脸图像库 | 第16-17页 |
| 2.3.2 ORL人脸图像库 | 第17页 |
| 2.3.3 自建人脸数据库 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 经典人脸检测算法 | 第19-36页 |
| 3.1 基于肤色的人脸检测算法 | 第19-21页 |
| 3.1.1 色彩空间 | 第19-20页 |
| 3.1.2 肤色空间选取与建模 | 第20-21页 |
| 3.1.3 实验结果 | 第21页 |
| 3.2 基于Gabor+BP神经网络的人脸检测算法 | 第21-27页 |
| 3.2.1 Gabor特征的提取 | 第21-23页 |
| 3.2.2 BP神经网络分类器的设计 | 第23-26页 |
| 3.2.3 实验结果 | 第26-27页 |
| 3.3 基于Hog+SVM的人脸检测算法 | 第27-30页 |
| 3.3.1 Hog特征的提取 | 第27-28页 |
| 3.3.2 SVM分类器的设计 | 第28-30页 |
| 3.3.3 实验结果 | 第30页 |
| 3.4 基于Haar+Adaboost的人脸检测算法 | 第30-34页 |
| 3.4.1 Haar特征的提取 | 第30-33页 |
| 3.4.2 Adaboost分类器的设计 | 第33-34页 |
| 3.4.3 实验结果 | 第34页 |
| 3.5 四种经典人脸检测算法结果对比与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 不合作条件下人脸检测算法研究 | 第36-55页 |
| 4.1 人脸图像的预处理 | 第36-40页 |
| 4.1.1 尺度归一化 | 第37-38页 |
| 4.1.2 直方图均衡化 | 第38-39页 |
| 4.1.3 均值滤波 | 第39-40页 |
| 4.2 MFGC-Haar特征提取 | 第40-43页 |
| 4.3 分类器设计 | 第43-46页 |
| 4.3.1 创建样本 | 第43-44页 |
| 4.3.2 分类器的训练 | 第44-46页 |
| 4.4 实验结果与分析 | 第46-54页 |
| 4.4.1 光照变化 | 第46-48页 |
| 4.4.2 部分遮挡 | 第48-50页 |
| 4.4.3 肤色多样性 | 第50-52页 |
| 4.4.4 多姿态 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 总结和展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |