| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·人脸检测技术发展的背景及意义 | 第8-9页 |
| ·人脸检测难点 | 第9-10页 |
| ·国外研究现状 | 第10-12页 |
| ·基于肤色特征的方法 | 第10页 |
| ·基于灰度特征的方法 | 第10-11页 |
| ·基于器官特征的方法 | 第11页 |
| ·基于主成分分析的方法 | 第11页 |
| ·基于神经网络的方法 | 第11页 |
| ·基于 SVM 的方法 | 第11-12页 |
| ·基于 Adaboost 的方法 | 第12页 |
| ·国内研究现状 | 第12-14页 |
| ·本文的研究工作及章节安排 | 第14-16页 |
| ·本文的主要工作 | 第14页 |
| ·本文的内容安排 | 第14-16页 |
| 第二章 基于Adaboost 算法的正面人脸检测 | 第16-33页 |
| ·多姿态人脸 | 第16页 |
| ·Adaboost 基本概念 | 第16-20页 |
| ·积分图像 | 第17-18页 |
| ·Harr-like 特征 | 第18-19页 |
| ·基本的 Adaboost 算法 | 第19-20页 |
| ·检测正面人脸的 Adaboost 算法 | 第20-26页 |
| ·旋转积分图 | 第20-21页 |
| ·扩充的 Harr-Like 特征库 | 第21-22页 |
| ·Harr-Like 特征的计算 | 第22-23页 |
| ·Adaboost 的训练算法 | 第23-24页 |
| ·层叠分类器 | 第24-25页 |
| ·检测算法 | 第25-26页 |
| ·改进的 Adaboost 算法 | 第26-30页 |
| ·对原有算法的分析 | 第26-27页 |
| ·Adaboost 训练中目标函数的推导 | 第27-28页 |
| ·直接使用目标函数的训练算法 | 第28-29页 |
| ·直接使用目标函数的训练算法的特点 | 第29页 |
| ·加快检测窗口移动的检测算法 | 第29-30页 |
| ·实验结果 | 第30-31页 |
| ·实验结果分析 | 第31-33页 |
| 第三章 基于Adaboost 的侧面人脸检测算法 | 第33-38页 |
| ·基于 Adaboost 的侧面人脸检测 | 第33-35页 |
| ·扩充的 Harr-Like 特征库 | 第33-34页 |
| ·新特征的计算 | 第34-35页 |
| ·检测侧面人脸的层叠分类器 | 第35-36页 |
| ·检测结果实例 | 第36-37页 |
| ·实验结果分析 | 第37-38页 |
| 第四章 基于Adaboost 的平面内旋转人脸检测算法 | 第38-47页 |
| ·已有的基于 Adaboost 的检测旋转人脸算法 | 第38页 |
| ·基于旋转校正的旋转人脸检测算法 | 第38-40页 |
| ·图像旋转算法 | 第40-45页 |
| ·原有图像旋转算法及其局限 | 第40-41页 |
| ·基于高斯模板的图像旋转算法 | 第41-44页 |
| ·旋转类人脸区域的人脸检测算法 | 第44-45页 |
| ·检测结果实例 | 第45-46页 |
| ·实验结果分析 | 第46-47页 |
| 第五章 多姿态人脸检测系统 | 第47-54页 |
| ·多姿态人脸检测系统整合 | 第47-51页 |
| ·各种姿态人脸检测算法的组合 | 第47页 |
| ·组合算法的优化 | 第47-50页 |
| ·重叠标示人脸的处理 | 第50-51页 |
| ·单人脸检测系统优化 | 第51页 |
| ·检测结果实例 | 第51-53页 |
| ·系统实验结果与分析 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |