| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 人脸检测技术背景及其发展现状 | 第13-15页 |
| 1.1.1 人脸检测背景 | 第13-14页 |
| 1.1.2 人脸检测历史及现状 | 第14-15页 |
| 1.2 基于FPGA 的嵌入式设计概述 | 第15-17页 |
| 1.3 本文的研究内容 | 第17-19页 |
| 第二章 人脸检测技术及ADABOOST 算法 | 第19-29页 |
| 2.1 人脸模式特点的分析 | 第19页 |
| 2.2 人脸检测方法分类 | 第19-24页 |
| 2.2.1 基于模板匹配的方法 | 第19-20页 |
| 2.2.2 基于器官特征的方法 | 第20页 |
| 2.2.3 示例学习 | 第20-21页 |
| 2.2.4 神经网络 | 第21页 |
| 2.2.5 基于隐马尔可夫模型的方法 | 第21-22页 |
| 2.2.6 基于AdaBoost 的方法 | 第22页 |
| 2.2.7 基于彩色信息的方法 | 第22页 |
| 2.2.8 频域中的特征提取 | 第22-23页 |
| 2.2.9 多模态信息融合 | 第23页 |
| 2.2.10 形状分析 | 第23页 |
| 2.2.11 小结 | 第23-24页 |
| 2.3 ADABOOST 算法 | 第24-26页 |
| 2.3.1 Boosting | 第24页 |
| 2.3.2 AdaBoost 方法概述 | 第24-26页 |
| 2.4 基于ADABOOST 的人脸检测 | 第26-29页 |
| 2.4.1 人脸特征表示（Haar-like 特征） | 第27-28页 |
| 2.4.2 特征值计算（积分图） | 第28-29页 |
| 第三章 级联分类器训练及优化 | 第29-38页 |
| 3.1 训练流程图 | 第29-30页 |
| 3.2 样本库的建立 | 第30-31页 |
| 3.3 特征的选取 | 第31-32页 |
| 3.4 训练方法 | 第32-37页 |
| 3.4.1 强分类器训练过程 | 第34-36页 |
| 3.4.2 弱分类器训练及选取 | 第36-37页 |
| 3.5 分类器前后比较 | 第37-38页 |
| 第四章 人脸检测过程 | 第38-44页 |
| 4.1 预处理 | 第39页 |
| 4.2 图像检测方法 | 第39-41页 |
| 4.3 检测流程 | 第41页 |
| 4.4 合并后处理 | 第41-44页 |
| 第五章 系统开发环境 | 第44-53页 |
| 5.1 XILINX 的VIRTEX-II PRO 开发板介绍 | 第44-46页 |
| 5.2 开发工具简介 | 第46-47页 |
| 5.2.1 ISE 介绍 | 第46-47页 |
| 5.2.2 EDK | 第47页 |
| 5.3 POWER PC 处理器 | 第47-51页 |
| 5.4 CORECONNECT 总线简介 | 第51-53页 |
| 第六章 人脸检测系统软硬件协同设计 | 第53-62页 |
| 6.1 软硬件设计协同设计原理 | 第53-54页 |
| 6.2 人脸检测系统的软硬件设计框架 | 第54页 |
| 6.3 算法的移植与软件优化 | 第54-56页 |
| 6.4 算法的速度瓶颈分析 | 第56-57页 |
| 6.5 硬件加速模块设计 | 第57-62页 |
| 6.5.1 加速模块接口 | 第57-58页 |
| 6.5.2 长整型乘法模块 | 第58-59页 |
| 6.5.3 图像比例缩减模块 | 第59-60页 |
| 6.5.4 除法模块 | 第60-62页 |
| 第七章 实验与结论 | 第62-67页 |
| 7.1 人脸检测结果的评价标准 | 第62-63页 |
| 7.2 级联分类器的指标测试 | 第63-65页 |
| 7.3 系统的整体测试 | 第65-66页 |
| 7.4 实验结论 | 第66-67页 |
| 第八章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者攻读硕士学位期间发表的主要论文 | 第73页 |