基于AdaBoost和Cascade算法的人脸检测
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究的背景 | 第7-8页 |
| ·人脸检测问题描述 | 第8-9页 |
| ·难点及需解决的问题 | 第9-10页 |
| ·人脸图像库和性能评价 | 第10-12页 |
| ·人脸图像数据库 | 第11页 |
| ·人脸检测算法的评价标准 | 第11-12页 |
| ·论文的主要工作 | 第12-14页 |
| 第二章 人脸检测算法综述 | 第14-26页 |
| ·初始期 | 第14-16页 |
| ·发展期 | 第16-22页 |
| ·基于肤色特征 | 第16-18页 |
| ·基于边缘特征 | 第18页 |
| ·基于人工神经网络的方法 | 第18-20页 |
| ·基于特征空间的方法 | 第20页 |
| ·基于支持向量机的方法 | 第20-21页 |
| ·基于统计模型的方法总结 | 第21-22页 |
| ·转折期 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 AdaBoost分类器及其改进 | 第26-45页 |
| ·问题背景及Boosting算法的提出 | 第26-28页 |
| ·AdaBoost的基本原理 | 第28-29页 |
| ·特征选取 | 第29-33页 |
| ·矩形特征描述 | 第29-30页 |
| ·矩形特征的选取 | 第30-31页 |
| ·检测器内特征总数 | 第31-33页 |
| ·构建积分图(Integral Image) | 第33-36页 |
| ·矩形特征值的表示方法 | 第33-34页 |
| ·积分图的快速运算 | 第34-36页 |
| ·基于AdaBoost算法训练分类器 | 第36-41页 |
| ·AdaBoost算法的基本框架 | 第37-39页 |
| ·分类器的训练及选取 | 第39-41页 |
| ·Adaboost算法优化 | 第41-43页 |
| ·熵和互信息 | 第41-42页 |
| ·基于互信息的AdaBoost算法 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于Cascade算法的检测架构 | 第45-51页 |
| ·算法基本思想 | 第45-47页 |
| ·算法基本原理 | 第47-48页 |
| ·算法架构 | 第48-49页 |
| ·扫描检测 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 系统实现及结果 | 第51-57页 |
| ·训练样本集 | 第51页 |
| ·样本预处理 | 第51-53页 |
| ·实验结果及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录A 攻读学位期间发表论文目录 | 第64页 |
