| 第一章 引言 | 第1-10页 |
| ·人脸检测技术简述 | 第7-8页 |
| ·文章结构安排 | 第8-10页 |
| 第二章 人脸检测知识介绍 | 第10-20页 |
| ·人脸检测的基本概念 | 第10页 |
| ·人脸检测技术的发展背景 | 第10-11页 |
| ·人脸检测的分类 | 第11-12页 |
| ·人脸检测方法 | 第12-20页 |
| ·基于统计模型的方法 | 第12-17页 |
| ·人工神经网络（Artificial Neural Network, ANN） | 第13-14页 |
| ·支持向量机(Support Vector Machines，SVM) | 第14-15页 |
| ·基于子空间的方法 | 第15-16页 |
| ·基于隐马尔可夫模型的方法(Hidden Markov Model) | 第16-17页 |
| ·基于模板匹配的方法 | 第17-18页 |
| ·固定模板匹配法 | 第17-18页 |
| ·变形模板法 | 第18页 |
| ·基于特征的方法 | 第18-20页 |
| ·基于器官特征的方法 | 第18页 |
| ·基于颜色纹理的方法 | 第18-20页 |
| 第三章 AdaBoost算法相关知识概述 | 第20-24页 |
| ·PAC学习模型介绍 | 第20-21页 |
| ·Boosting算法简介 | 第21-22页 |
| ·AdaBoost算法简介 | 第22-24页 |
| 第四章 Haar型特征和积分图象 | 第24-33页 |
| ·Haar 型特征 | 第24-26页 |
| ·一种组合式新型特征 | 第26-27页 |
| ·检测器内特征数计算 | 第27-30页 |
| ·积分图（Integral Image） | 第30-31页 |
| ·利用积分图计算矩形特征值 | 第31页 |
| ·矩形特征的特征值计算 | 第31-33页 |
| 第五章 基于AdaBoost算法的人脸检测 | 第33-42页 |
| ·AdaBoost算法 | 第33-36页 |
| ·弱分类器的构建 | 第36-37页 |
| ·强分类器的构建 | 第37-38页 |
| ·错误率研究 | 第38-41页 |
| ·分类器优化 | 第41-42页 |
| 第六章 实验测试结果 | 第42-48页 |
| ·样本集选取 | 第42-44页 |
| ·人脸检测的评价标准 | 第44页 |
| ·测试结果 | 第44-48页 |
| 第七章 结论和展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 摘要 | 第52-54页 |
| Abstract | 第54-57页 |
| 致谢 | 第57-58页 |
| 导师及作者简介 | 第58页 |
