基于改进肤色模型的AdaBoost人脸检测算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-20页 |
| ·研究的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·基于先验知识的人脸检测方法 | 第13-15页 |
| ·基于后验学习和训练的人脸检测方法 | 第15-17页 |
| ·基于后验学习和训练的人脸检测方法 | 第17-18页 |
| ·课题研究的主要工作及结构安排 | 第18-20页 |
| 2 基于肤色模型的人脸区域分割 | 第20-32页 |
| ·颜色空间变换 | 第20-24页 |
| ·RGB颜色空间 | 第21-22页 |
| ·HSV颜色空间 | 第22-23页 |
| ·YUV颜色空间 | 第23-24页 |
| ·YCbCr颜色空间 | 第24页 |
| ·肤色建模 | 第24-28页 |
| ·肤色范围模型 | 第25-26页 |
| ·肤色直方图统计模型 | 第26-27页 |
| ·高斯模型 | 第27-28页 |
| ·肤色检测的预处理 | 第28-29页 |
| ·尺寸归一化 | 第28页 |
| ·光补偿 | 第28-29页 |
| ·数学形态学处理 | 第29-30页 |
| ·人脸区域筛选 | 第30页 |
| ·区域长宽比 | 第30页 |
| ·区域面积大小 | 第30页 |
| ·本章小结 | 第30-32页 |
| 3 基于AdaBoost算法的人脸检测 | 第32-40页 |
| ·AdaBoost算法的提出 | 第32页 |
| ·Haar特征和积分图 | 第32-36页 |
| ·Haar特征 | 第32-35页 |
| ·积分图 | 第35-36页 |
| ·弱分类器及其训练过程 | 第36-37页 |
| ·弱分类器的定义和构造 | 第36页 |
| ·弱分类器的训练过程 | 第36-37页 |
| ·级联分类器的设计及训练 | 第37-39页 |
| ·AdaBoost算法的不足 | 第39页 |
| ·本章小结 | 第39-40页 |
| 4 基于改进的AdaBoost算法的人脸检测 | 第40-51页 |
| ·AdaBoost算法和基于肤色模型算法的不足 | 第40-42页 |
| ·AdaBoost人脸检测算法的不足 | 第40-41页 |
| ·基于肤色模型的人脸检测算法的不足 | 第41页 |
| ·肤色模型与AdaBoost算法相结合检测人脸 | 第41-42页 |
| ·改进的AdaBoost算法的弱分类器设计与训练 | 第42-44页 |
| ·改进的AdaBoost算法的弱分类器设计 | 第42-43页 |
| ·改进的AdaBoost算法的弱分类器的训练 | 第43-44页 |
| ·改进的AdaBoost算法的检测结果判定 | 第44-45页 |
| ·仿真结果与分析 | 第45-50页 |
| ·仿真环境及样本库介绍 | 第45-48页 |
| ·检测结果和仿真数据分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于视觉显著性的人脸检测算法 | 第51-61页 |
| ·复杂背景对人脸检测算法的干扰 | 第51-52页 |
| ·视觉显著性原理 | 第52-54页 |
| ·视觉显著机制 | 第52-53页 |
| ·显著图 | 第53-54页 |
| ·基于视觉显著性的人脸检测算法 | 第54-57页 |
| ·仿真结果及分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
| 攻读学位期间参与的科研项目 | 第69-70页 |
