复杂背景下的人脸检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8页 |
| ·人脸识别研究范围及其意义 | 第8页 |
| ·人脸识别技术 | 第8-9页 |
| ·一些已有的商业化实现 | 第9-11页 |
| ·人脸识别检测面临的挑战 | 第11-13页 |
| ·人脸检测数据库 | 第13页 |
| ·论文内容 | 第13-14页 |
| ·论文的创新和工作 | 第14-15页 |
| 第二章 复杂背景下的人脸检测 | 第15-20页 |
| ·人脸检测的意义 | 第15页 |
| ·人脸模式分类 | 第15-16页 |
| ·已有的人脸检测技术 | 第16-20页 |
| ·基于知识的方法 | 第16-17页 |
| ·Appearance-Based方法 | 第17-18页 |
| ·基于分布式方法 | 第18页 |
| ·神经网络（NN） | 第18-20页 |
| 第三章 基于肤色的人脸定位 | 第20-31页 |
| ·颜色视觉 | 第20-21页 |
| ·颜色视觉理论 | 第21-23页 |
| ·三色理论 | 第21-22页 |
| ·视网膜皮层理论 | 第22-23页 |
| ·人脸特征描述 | 第23-24页 |
| ·肤色特征 | 第23-24页 |
| ·灰度特征 | 第24页 |
| ·肤色区域分割 | 第24-29页 |
| ·利用肤色检测人脸的主要步骤 | 第24页 |
| ·RGB空间中检测肤色区域 | 第24-27页 |
| ·在YCbCr空间和HSV空间检测肤色区域 | 第27-29页 |
| ·利用欧拉数排除非人脸区域 | 第29-31页 |
| 第四章 利用主分量(PCA)来检测人眼 | 第31-42页 |
| ·人眼定位的重要性 | 第31页 |
| ·已有人眼定位方法分析 | 第31-32页 |
| ·PCA方法的实现 | 第32-42页 |
| ·一种用于处理数据的关键技术 | 第32-33页 |
| ·PCA在几何上的解释 | 第33页 |
| ·使用PCA的步骤 | 第33-34页 |
| ·把PCA用于人眼图像的说明 | 第34-35页 |
| ·利用人眼数据库进行训练 | 第35-38页 |
| ·人眼的精确定位 | 第38-42页 |
| 第五章 小波在识别中的使用 | 第42-53页 |
| ·图像表示 | 第42页 |
| ·小波在图像分析中的应用 | 第42-43页 |
| ·小波对人脸图像的分析 | 第43-47页 |
| ·典型的小波分解 | 第43-44页 |
| ·Gabor小波变换 | 第44-46页 |
| ·相似性度量和分类器选择 | 第46-47页 |
| ·利用Gabor小波检测人眼 | 第47-51页 |
| ·Gabor小波的实现 | 第47-48页 |
| ·利用Log-Gabor滤波器识别人眼 | 第48-51页 |
| ·主分量分析法和小波变换法的比较 | 第51-52页 |
| ·利用Gabor变换定位人眼的小结 | 第52-53页 |
| 结束语 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第57页 |
