复杂背景下自动人脸检测方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·研究的背景与意义 | 第8-9页 |
| ·人脸检测问题描述 | 第9-12页 |
| ·人脸检测问题的分类 | 第9-10页 |
| ·人脸模式的特征描述 | 第10-11页 |
| ·人脸检测的评价标准 | 第11-12页 |
| ·人脸检测关键方法综述 | 第12-16页 |
| ·基于肤色的人脸检测方法 | 第12页 |
| ·基于统计的人脸检测方法 | 第12-15页 |
| ·基于知识的人脸检测方法 | 第15页 |
| ·基于模板的人脸检测方法 | 第15-16页 |
| ·本文的研究内容与安排 | 第16-18页 |
| 2 基于特征提取的人脸检测算法 | 第18-30页 |
| ·人脸特征的提取 | 第18-21页 |
| ·Mosiac图上的横纹提取 | 第19页 |
| ·横纹目标区的参数提取 | 第19-21页 |
| ·候选人脸的确定 | 第21-23页 |
| ·寻找眼睛对 | 第21-22页 |
| ·以眼睛对为基准确定候选人脸 | 第22-23页 |
| ·人脸规则的验证 | 第23-25页 |
| ·灰度投影验证 | 第23-24页 |
| ·区域灰度和纹理验证 | 第24-25页 |
| ·检测算法的改进 | 第25-26页 |
| ·检测算法的流程 | 第26-28页 |
| ·实验结果及分析 | 第28-30页 |
| 3 BP神经网络分类器的设计 | 第30-44页 |
| ·人脸判别与神经网络 | 第30-31页 |
| ·BP神经网络的简介 | 第31-32页 |
| ·BP网络的结构设计 | 第32-35页 |
| ·BP网络的样本收集 | 第35-37页 |
| ·人脸样本的选取 | 第35-36页 |
| ·非人脸样本的选取 | 第36-37页 |
| ·BP网络的训练算法 | 第37-40页 |
| ·实验结果及分析 | 第40-44页 |
| ·网络结构 | 第40-42页 |
| ·分类器的训练 | 第42-44页 |
| 4 基于肤色和二级神经网络的人脸检测算法 | 第44-63页 |
| ·肤色检测 | 第44-50页 |
| ·引言 | 第44-45页 |
| ·颜色空间的选取 | 第45-46页 |
| ·肤色模型的建立 | 第46-48页 |
| ·肤色区域的分割 | 第48-50页 |
| ·灰度图像检测 | 第50-59页 |
| ·图像检索策略 | 第50-52页 |
| ·图像的预处理 | 第52页 |
| ·二级神经网络分类器 | 第52-55页 |
| ·模板匹配验证 | 第55-58页 |
| ·检测结果合并 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| ·图像预处理的比较 | 第59页 |
| ·算法性能测试 | 第59-63页 |
| 5 总结和展望 | 第63-65页 |
| ·本文工作的总结 | 第63-64页 |
| ·人脸检测算法的研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
| 大连理工大学学位论文版权使用授权书 | 第70页 |
