| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题的背景与意义 | 第12-13页 |
| 1.2 人脸检测概述 | 第13-15页 |
| 1.2.1 概念 | 第13-14页 |
| 1.2.2 人脸检测的难点 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.3.1 国外研究现状 | 第15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 人脸检测方法 | 第18-36页 |
| 2.1 人脸检测方法的性能评测 | 第18-20页 |
| 2.1.1 检测评价标准 | 第18页 |
| 2.1.2 人脸图像数据库 | 第18-20页 |
| 2.2 检测方法分类 | 第20-28页 |
| 2.2.1 基于知识的方法 | 第22-23页 |
| 2.2.2 基于特征的方法 | 第23-25页 |
| 2.2.3 基于模板匹配的方法 | 第25-27页 |
| 2.2.4 基于表象的方法 | 第27-28页 |
| 2.3 经典方法概述 | 第28-35页 |
| 2.3.1 神经网络(Neural Network) | 第28-31页 |
| 2.3.2 特征脸(Eigenface) | 第31-32页 |
| 2.3.3 支持向量机(Support Vector Machine，SVM) | 第32-34页 |
| 2.3.4 Adaboost算法(Adaptive Boosting) | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 模板匹配和改进的2DPCA的人脸检测算法 | 第36-43页 |
| 3.1 引言 | 第36页 |
| 3.2 人脸检测算法 | 第36-42页 |
| 3.2.1 图象预处理 | 第36-37页 |
| 3.2.2 检测窗口搜索 | 第37-38页 |
| 3.2.3 模板构造 | 第38-39页 |
| 3.2.4 粗分类器检测 | 第39页 |
| 3.2.5 细分类器检测 | 第39-41页 |
| 3.2.5.1 2DPCA算法 | 第39-41页 |
| 3.2.5.2 改进的2DPCA算法 | 第41页 |
| 3.2.6 合并 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 实验结果及分析 | 第43-48页 |
| 4.1 引言 | 第43页 |
| 4.2 人脸检测系统的组成 | 第43-45页 |
| 4.2.1 人脸检测流程图 | 第43-44页 |
| 4.2.2 人脸检测系统界面 | 第44-45页 |
| 4.3 系统测试结果及分析 | 第45-46页 |
| 4.4 检测结果示例 | 第46-48页 |
| 第五章 结论 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第56页 |
