基于关键点和级联结构的人脸检测研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容及结构安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 结构安排 | 第14-15页 |
| 2 人脸检测技术基础 | 第15-37页 |
| 2.1 图像预处理 | 第15-23页 |
| 2.1.1 灰度图像与色彩空间模型 | 第15-18页 |
| 2.1.2 视角归一化 | 第18-20页 |
| 2.1.3 光照归一化 | 第20-23页 |
| 2.2 图像特征 | 第23-30页 |
| 2.2.1 梯度特征 | 第24-25页 |
| 2.2.2 LBP纹理特征及变形 | 第25-30页 |
| 2.3 经典级联结构人脸检测算法 | 第30-35页 |
| 2.3.1 Haar-like特征 | 第30-32页 |
| 2.3.2 积分图计算 | 第32-33页 |
| 2.3.3 Adaboost级联分类器 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 3 人脸候选区域选取 | 第37-53页 |
| 3.1 候选区域选取基础 | 第37-41页 |
| 3.1.1 滑动窗口原理 | 第37-38页 |
| 3.1.2 似物性采样 | 第38页 |
| 3.1.3 二值化梯度幅值算法 | 第38-41页 |
| 3.2 SCBING | 第41-46页 |
| 3.2.1 肤色分割 | 第41-44页 |
| 3.2.2 加权特征 | 第44-45页 |
| 3.2.3 窗口调整 | 第45-46页 |
| 3.3 仿真与实验结果分析 | 第46-51页 |
| 3.3.1 实验平台 | 第46页 |
| 3.3.2 建立训练样本 | 第46-47页 |
| 3.3.3 模型训练 | 第47-48页 |
| 3.3.4 实验结果及分析 | 第48-51页 |
| 3.4 本章小结 | 第51-53页 |
| 4 基于关键点和级联结构的人脸检测方法 | 第53-73页 |
| 4.1 特征构造 | 第53-58页 |
| 4.1.1 形状索引特征 | 第53-55页 |
| 4.1.2 AWCS-LBP | 第55-57页 |
| 4.1.3 SI-AWCS-LBP | 第57-58页 |
| 4.2 联合级联结构模型 | 第58-63页 |
| 4.2.1 模型流程 | 第58-61页 |
| 4.2.2 回归分类树参数构建 | 第61-63页 |
| 4.3 仿真与实验结果分析 | 第63-72页 |
| 4.3.1 实验平台 | 第63-64页 |
| 4.3.2 建立训练样本 | 第64-65页 |
| 4.3.3 分类器训练 | 第65-66页 |
| 4.3.4 实验结果及分析 | 第66-72页 |
| 4.4 本章小结 | 第72-73页 |
| 5 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |
| A. 作者在攻读学位期间发表的论文（和专利）目录 | 第83页 |
| B. 作者在攻读学位期间参与的科研项目 | 第83页 |
