| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 人眼检测研究内容 | 第10-11页 |
| 1.4 人眼检测需要克服的难点 | 第11-12页 |
| 1.5 人眼检测的发展趋势 | 第12-13页 |
| 1.6 检测性能的评价标准 | 第13-14页 |
| 1.7 本文主要工作内容及结果 | 第14-15页 |
| 第二章 人眼检测算法 | 第15-26页 |
| 2.1 人眼检测与定位的作用 | 第15-16页 |
| 2.2 人眼检测算法 | 第16-25页 |
| 2.2.1 粗略的人眼检测算法 | 第16-19页 |
| 2.2.2 精确的人眼检测算法 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 AdaBoost算法及优化 | 第26-40页 |
| 3.1 AdaBoost算法在人眼检测中的应用 | 第26页 |
| 3.2 Haar-like特征提取和特征值的计算 | 第26-30页 |
| 3.2.1 Haar-like特征概述 | 第26-28页 |
| 3.2.2 Haar-like特征选取和特征值的计算 | 第28-30页 |
| 3.3 AdaBoost算法 | 第30-34页 |
| 3.3.1 Boosting学习算法 | 第30-31页 |
| 3.3.2 AdaBoost算法的原理 | 第31页 |
| 3.3.3 AdaBoost训练强分类器算法 | 第31-33页 |
| 3.3.4 弱、强分类器简介 | 第33页 |
| 3.3.5 级联分类器 | 第33-34页 |
| 3.4 AdaBoost算法的优化 | 第34-37页 |
| 3.4.1 AdaBoost算法误检率分析 | 第34-36页 |
| 3.4.2 AdaBoost算法的不足 | 第36页 |
| 3.4.3 优化的AdaBoost算法 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于改进的AdaBoost算法的人眼检测 | 第40-51页 |
| 4.1 AdaBoost人眼检测算法 | 第40-45页 |
| 4.1.1 人眼分类器的样本训练 | 第40-41页 |
| 4.1.2 人眼检测 | 第41页 |
| 4.1.3 不同样本选择的实验与结果分析 | 第41-45页 |
| 4.2 改进的AdaBoost人眼检测算法 | 第45-49页 |
| 4.2.1 双眼分类器和单眼分类器的训练 | 第45-46页 |
| 4.2.2 人眼检测与定位系统 | 第46-47页 |
| 4.2.3 后续处理 | 第47-48页 |
| 4.2.4 实验结果与分析 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作的总结与不足 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |