基于AdaBoost算法的人脸检测方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-19页 |
| ·人脸检测的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·人脸检测方法综述 | 第11-16页 |
| ·基于知识的方法 | 第11-13页 |
| ·基于模板匹配的方法 | 第13-14页 |
| ·基于统计模型的方法 | 第14-16页 |
| ·人脸检测算法性能评价 | 第16-17页 |
| ·本论文的研究工作 | 第17-18页 |
| ·本文结构 | 第18-19页 |
| 2 基于肤色的人脸检测 | 第19-36页 |
| ·肤色检测概述 | 第19页 |
| ·色彩空间选择 | 第19-23页 |
| ·RGB色彩空间 | 第20-21页 |
| ·rgb色彩空间 | 第21页 |
| ·HSI色彩空间 | 第21-22页 |
| ·YCbCr色彩模型 | 第22-23页 |
| ·常用的肤色模型 | 第23-24页 |
| ·本文选用的肤色模型及确定肤色模型的参数 | 第24-26页 |
| ·模型选取 | 第24-25页 |
| ·样本统计 | 第25-26页 |
| ·光照补偿 | 第26-28页 |
| ·直方图均衡 | 第27-28页 |
| ·肤色分割 | 第28-34页 |
| ·图像降噪 | 第28-29页 |
| ·相似度计算 | 第29页 |
| ·二值化处理 | 第29-31页 |
| ·形态学处理 | 第31-34页 |
| ·人脸候选区域筛选 | 第34页 |
| ·实验结果及总结 | 第34-36页 |
| 3 基于AdaBoost算法的人脸检测 | 第36-56页 |
| ·AdaBoost算法 | 第36-42页 |
| ·机器学习概述 | 第36页 |
| ·弱学习与强学习概念 | 第36-37页 |
| ·Boosting学习算法 | 第37页 |
| ·AdaBoost算法 | 第37-39页 |
| ·AdaBoost算法的错误率上限分析 | 第39-41页 |
| ·AdaBoost算法举例说明 | 第41-42页 |
| ·基于积分图像的AdaBoost人脸检测算法 | 第42-50页 |
| ·矩形特征 | 第42-46页 |
| ·积分图 | 第46-48页 |
| ·弱分类器设计 | 第48页 |
| ·强分类器设计 | 第48-49页 |
| ·级联分类器结构 | 第49-50页 |
| ·AdaBoost算法训练优化 | 第50-51页 |
| ·改进的弱分类器设计 | 第51-54页 |
| ·组合Haar-like特征 | 第52-54页 |
| ·本章总结 | 第54-56页 |
| 4 基于肤色和AdaBoost算法的人脸检测 | 第56-62页 |
| ·系统结构 | 第56-57页 |
| ·训练样本的获取 | 第57-58页 |
| ·人脸样本的获取 | 第57页 |
| ·非人脸样本的获取 | 第57-58页 |
| ·后续处理 | 第58页 |
| ·实验结果与总结 | 第58-62页 |
| 5 总结与展望 | 第62-64页 |
| ·本文内容总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
