| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·人脸检测 | 第10-14页 |
| ·人脸检测的应用 | 第10页 |
| ·人脸检测的难点 | 第10-12页 |
| ·当前常用的人脸检测方法 | 第12-13页 |
| ·人脸检测部分的系统框架 | 第13-14页 |
| ·人脸特征点定位 | 第14-17页 |
| ·人脸特征点定位的应用 | 第14页 |
| ·当前常用的人脸特征点定位方法 | 第14-16页 |
| ·本文采用的方法 | 第16页 |
| ·人脸特征点定位部分的系统框图 | 第16-17页 |
| ·本文结构 | 第17-18页 |
| 第2章 基于ADABOOST 人脸检测算法的研究与讨论 | 第18-38页 |
| ·ADABOOST 算法概述 | 第18-20页 |
| ·基本思想 | 第18-19页 |
| ·分类器构造 | 第19-20页 |
| ·正样本与负样本的收集与制作 | 第20-23页 |
| ·收集原始图片 | 第20页 |
| ·制作样本集 | 第20-23页 |
| ·分类器特征及特征值快速计算方法 | 第23-26页 |
| ·Haar-like 特征及其扩展特征 | 第23-24页 |
| ·特征值快速计算方法——积分图（Integral Image） | 第24-26页 |
| ·训练强分类器 | 第26-30页 |
| ·特征挑选与LUT 表生成 | 第26-28页 |
| ·强分类器生成 | 第28-30页 |
| ·强分类器级联 | 第30-32页 |
| ·补充负样本 | 第31页 |
| ·添加强分类器 | 第31-32页 |
| ·检出框图聚类 | 第32-35页 |
| ·一般聚类方法 | 第32-34页 |
| ·加入检出框信心权重的聚类方法 | 第34-35页 |
| ·多姿态人脸检测的姿态判断和聚类 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 以小波系数为特征的SVM 人脸检测后段验证 | 第38-47页 |
| ·小波分析原理及小波特征提取方法 | 第38-41页 |
| ·一维小波变换 | 第39-40页 |
| ·二维小波变换 | 第40-41页 |
| ·支持向量机（SVM）分类原理 | 第41-44页 |
| ·最优分类超平面 | 第42-44页 |
| ·人脸检测SVM 分类器的训练 | 第44-46页 |
| ·样本收集 | 第44页 |
| ·训练SVM 分类器 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于AAM 的特征点定位方法 | 第47-61页 |
| ·图像预处理 | 第47-51页 |
| ·图像去噪 | 第47-49页 |
| ·亮度调整 | 第49-51页 |
| ·AAM 建模 | 第51-54页 |
| ·形状建模 | 第51-52页 |
| ·纹理建模 | 第52-54页 |
| ·AAM 拟合计算 | 第54-58页 |
| ·AAM 拟合计算的目的和意义 | 第54-55页 |
| ·早期的AAM 拟合算法 | 第55页 |
| ·利用反向组合算法进行AAM 拟合计算 | 第55-58页 |
| ·对AAM 算法的改进 | 第58-60页 |
| ·存在的缺陷 | 第58页 |
| ·解决方案 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总体系统框架与实验结果 | 第61-73页 |
| ·总体系统框架 | 第61-62页 |
| ·人脸检测模块与实验结果 | 第62-67页 |
| ·人脸检测模块 | 第62-63页 |
| ·实验结果 | 第63-67页 |
| ·特征点定位模块与实验结果 | 第67-73页 |
| ·特征点定位模块 | 第67-72页 |
| ·实验结果 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·工作总结 | 第73页 |
| ·下一步工作展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 上海交通大学学位论文答辩决议书 | 第79页 |
