人脸检测算法在地铁安检中的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景 | 第8-11页 |
| 1.1.1 地铁的概述 | 第8-9页 |
| 1.1.2 我国地铁的发展现状 | 第9页 |
| 1.1.3 地铁智能安检必要性 | 第9-11页 |
| 1.2 人脸检测概述 | 第11-13页 |
| 1.2.1 人脸检测的发展与研究现状 | 第11-13页 |
| 1.2.2 课题研究的意义 | 第13页 |
| 1.3 课题研究主要难点 | 第13-14页 |
| 1.4 本文的主要工作和章节安排 | 第14-15页 |
| 第二章 人脸检测方法及方法评价 | 第15-25页 |
| 2.1 基于知识的人脸检测 | 第15-21页 |
| 2.1.1 基于肤色的人脸检测 | 第15-21页 |
| 2.1.2 基于器官结构特征的方法 | 第21页 |
| 2.1.3 基于纹理的方法 | 第21页 |
| 2.1.4 边缘和形状特征 | 第21页 |
| 2.2 基于模板匹配的人脸检测方法 | 第21-22页 |
| 2.2.1 基于灰度的方法 | 第22页 |
| 2.2.2 基于物理形状的方法 | 第22页 |
| 2.2.3 利用高级特征的方法 | 第22页 |
| 2.3 基于统计的人脸检测方法 | 第22-24页 |
| 2.3.1 Adaboost的方法 | 第23页 |
| 2.3.2 人工神经网络 | 第23页 |
| 2.3.3 支持向量机 | 第23-24页 |
| 2.3.4 隐性马尔科夫 | 第24页 |
| 2.4 人脸检测的评价指标 | 第24页 |
| 本章小结 | 第24-25页 |
| 第三章 人脸检测算法的仿真与实现 | 第25-68页 |
| 3.1 基于自适应肤色和模板的人脸检测 | 第25-42页 |
| 3.1.1 简单高斯肤色模型的建立 | 第25-28页 |
| 3.1.2 肤色检测的预处理 | 第28页 |
| 3.1.3 肤色区域分割 | 第28-32页 |
| 3.1.4 二值图像的形态学处理 | 第32-34页 |
| 3.1.5 人脸区域肤色定位 | 第34-37页 |
| 3.1.6 人脸区域模板确认 | 第37-42页 |
| 3.2 基于Adaboost算法的人脸检测 | 第42-56页 |
| 3.2.1 Adaboost算法的原理 | 第42-44页 |
| 3.2.2 Haar特征和积分图 | 第44-48页 |
| 3.2.3 Adaboost分类器的设计 | 第48-51页 |
| 3.2.4 训练样本的选取 | 第51页 |
| 3.2.5 基于Adaboost算法人脸检测结果 | 第51-53页 |
| 3.2.6 改进Adaboost人脸检测 | 第53-56页 |
| 3.3 人脸检测系统的GUI实现 | 第56-67页 |
| 3.3.1 GUI人脸检测系统方案一 | 第57-64页 |
| 3.3.2 GUI人脸检测系统方案二 | 第64-67页 |
| 本章小结 | 第67-68页 |
| 第四章 总结与展望 | 第68-70页 |
| 4.1 总结 | 第68页 |
| 4.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 附录A 人脸检测算法代码 | 第72-78页 |
| 致谢 | 第78页 |
