| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外在该方向的研究现状及分析 | 第9-12页 |
| 1.2.1 基于肤色分割的方法 | 第9-10页 |
| 1.2.2 基于统计模型的方法 | 第10-11页 |
| 1.2.3 基于启发式模型的方法 | 第11-12页 |
| 1.2.4 基于FPGA的方法 | 第12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-14页 |
| 第2章 Haar-like特征和肤色特征的研究 | 第14-29页 |
| 2.1 Haar-like特征的研究 | 第14-20页 |
| 2.1.1 Haar-like特征的介绍 | 第14-17页 |
| 2.1.2 积分图的研究 | 第17-20页 |
| 2.2 肤色特征研究 | 第20-28页 |
| 2.2.1 色彩空间 | 第21-22页 |
| 2.2.2 肤色模型 | 第22-23页 |
| 2.2.3 肤色特征分类器 | 第23-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于AdaBoost算法的人脸检测算法 | 第29-44页 |
| 3.1 AdaBoost算法的基本原理 | 第29-36页 |
| 3.1.1 AdaBoost算法介绍 | 第29-32页 |
| 3.1.2 级联分类器原理 | 第32-36页 |
| 3.2 分类器的训练 | 第36-38页 |
| 3.2.1 人脸样本选取与处理 | 第36-37页 |
| 3.2.2 基于Haar-like特征的人脸分类器训练 | 第37-38页 |
| 3.3 基于Haar-like特征和肤色特征的人脸检测算法验证 | 第38-43页 |
| 3.3.1 人脸检测的评价标准 | 第38-39页 |
| 3.3.2 分类器效果 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 人脸检测算法的FPGA实现 | 第44-68页 |
| 4.1 开发技术和开发平台 | 第44页 |
| 4.2 人脸检测系统的整体框架 | 第44-46页 |
| 4.3 FPGA系统实现分析 | 第46-64页 |
| 4.3.1 图像帧缓存模块 | 第46-47页 |
| 4.3.2 图像缩放模块 | 第47-49页 |
| 4.3.3 灰度转换模块 | 第49-50页 |
| 4.3.4 普通积分图计算模块 | 第50-53页 |
| 4.3.5 倾斜积分图计算模块 | 第53-55页 |
| 4.3.6 级联分类器 | 第55-58页 |
| 4.3.7 肤色阈值分类器 | 第58-61页 |
| 4.3.8 基于串行通信的检测系统 | 第61-64页 |
| 4.4 FPGA的实验分析及结果 | 第64-67页 |
| 4.4.1 FPGA资源分析 | 第64页 |
| 4.4.2 实验结果 | 第64-67页 |
| 4.4.3 实验结论 | 第67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-76页 |
| 致谢 | 第76页 |