| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 人脸检测技术的研究现状 | 第11-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文的研究内容和论文结构 | 第15-17页 |
| 第二章 人脸特征的选取 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 人脸特征 | 第17-22页 |
| 2.2.1 Haar-like特征 | 第18-20页 |
| 2.2.2 LBP特征 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 人脸检测的分类算法研究 | 第23-30页 |
| 3.1 引言 | 第23页 |
| 3.2 支持向量机 | 第23-24页 |
| 3.3 神经网络 | 第24-25页 |
| 3.4 Adaboost算法 | 第25-29页 |
| 3.4.1 集成学习方法 | 第25页 |
| 3.4.2 Adaboost算法基本原理 | 第25-27页 |
| 3.4.3 Floatboost算法原理及其改进型算法 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于改进型LBP和双阈值Floatboost的人脸检测 | 第30-44页 |
| 4.1 引言 | 第30页 |
| 4.2 基于Floatboost的人脸检测系统框架 | 第30-31页 |
| 4.3 样本集的构建 | 第31-33页 |
| 4.4 改进型LBP特征集构建 | 第33页 |
| 4.5 Floatboost训练 | 第33-37页 |
| 4.5.1 弱分类器构建 | 第33-34页 |
| 4.5.2 Floatboost训练强分类器 | 第34页 |
| 4.5.3 级联分类器 | 第34-37页 |
| 4.6 后处理策略 | 第37-38页 |
| 4.7 实验结果与分析 | 第38-43页 |
| 4.7.1 性能评价指标 | 第38-39页 |
| 4.7.2 实验结果分析 | 第39-43页 |
| 4.8 本章小结 | 第43-44页 |
| 第五章 分层过滤人脸检测 | 第44-51页 |
| 5.1 分层过滤算法流程 | 第44-46页 |
| 5.2 多尺度人脸候选区域的选取 | 第46-48页 |
| 5.3 候选区域多尺寸人脸的检测 | 第48-49页 |
| 5.4 实验结果与分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间申请的专利 | 第58-59页 |
| 致谢 | 第59页 |
