基于Adaboost算法的人脸检测研究及实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·人脸检测技术研究的目的及现状 | 第7-8页 |
| ·人脸检测方法简介 | 第8-9页 |
| ·基于特征的检测方法 | 第8页 |
| ·基于统计模型的检测方法 | 第8-9页 |
| ·本课题研究的主要内容 | 第9-11页 |
| 2 Adaboost算法的检测原理与实现方法 | 第11-27页 |
| ·Adaboost算法概述 | 第11-13页 |
| ·积分图像 | 第11-12页 |
| ·haar特征 | 第12-13页 |
| ·Adaboost算法的训练过程 | 第13-17页 |
| ·训练样本的选择 | 第13-14页 |
| ·训练过程的实现 | 第14-17页 |
| ·级联分类器的使用与设计 | 第17-19页 |
| ·级联分类器的使用 | 第17-18页 |
| ·级联分类器的设计 | 第18-19页 |
| ·Adaboost算法的检测过程 | 第19-22页 |
| ·检测机制 | 第20-21页 |
| ·检测流程的实现 | 第21-22页 |
| ·实验结果与分析 | 第22-27页 |
| ·训练结果与分析 | 第22-23页 |
| ·检测结果与分析 | 第23-27页 |
| 3 Adaboost算法的优化 | 第27-43页 |
| ·Adaboost算法中存在的问题 | 第27-28页 |
| ·Adaboost算法训练过程中的优化 | 第28-34页 |
| ·haar特征优化 | 第28-30页 |
| ·训练过程优化 | 第30-32页 |
| ·优化结果与分析 | 第32-34页 |
| ·Adaboost算法的检测过程的优化 | 第34-40页 |
| ·基于肤色检测模块的前端优化 | 第35-37页 |
| ·结合主成份分析的后端优化 | 第37-38页 |
| ·优化结果与分析 | 第38-40页 |
| ·多尺度检测问题的简化 | 第40-43页 |
| 4 基于Adaboost算法的人脸跟踪算法 | 第43-49页 |
| ·视频图像的采集 | 第43页 |
| ·人脸跟踪算法原理及其实现方法 | 第43-45页 |
| ·人脸跟踪算法原理 | 第43-44页 |
| ·人脸跟踪算法的实现 | 第44-45页 |
| ·人脸跟踪算法的效果与分析 | 第45-49页 |
| 5 人脸检测与跟踪实验系统的开发 | 第49-55页 |
| ·系统介绍 | 第49-50页 |
| ·开发平台 | 第49页 |
| ·系统功能简介 | 第49-50页 |
| ·特征可视化子系统的开发 | 第50-51页 |
| ·基于图像的人脸检测子系统的开发 | 第51-52页 |
| ·人脸检测与跟踪子系统的开发 | 第52-55页 |
| ·基于视频序列的人脸检测与跟踪 | 第52页 |
| ·视频监控中的人脸检测与跟踪 | 第52-55页 |
| 6 课题总结与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·今后的工作 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 附录A本文算法的一些检测结果 | 第61-63页 |
| 在校期间发表论文 | 第63页 |
