人脸检测技术融合算法的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪言 | 第9-11页 |
| ·人脸检测技术的发展背景 | 第9-10页 |
| ·本文研究的目的和贡献 | 第10页 |
| ·本文的结构安排 | 第10-11页 |
| 第二章 人脸检测技术综述 | 第11-20页 |
| ·人脸检测概述 | 第11-12页 |
| ·人脸检测技术 | 第12-18页 |
| ·人脸模式的特征 | 第13-14页 |
| ·人脸检测算法 | 第14-18页 |
| ·人脸检测技术融合算法的概述 | 第18-19页 |
| ·本章总结 | 第19-20页 |
| 第三章 基于肤色区域生长分割算法的人脸粗检 | 第20-32页 |
| ·肤色检测方法概述 | 第20页 |
| ·肤色区域生长分割的可行性 | 第20-21页 |
| ·常见色彩空间及其肤色模型 | 第21-24页 |
| ·RGB色彩空间 | 第21页 |
| ·RGB空间肤色模型 | 第21-22页 |
| ·HSV色彩空间 | 第22-23页 |
| ·HSV空间肤色模型 | 第23页 |
| ·YCbCr色彩空间 | 第23-24页 |
| ·YCbCr空间肤色模型 | 第24页 |
| ·本算法所采用的色彩空间及肤色模型 | 第24-25页 |
| ·肤色区域生长的分割 | 第25-28页 |
| ·肤色区域合并 | 第28-30页 |
| ·图像灰度化 | 第30-31页 |
| ·本章小节 | 第31-32页 |
| 第四章 基于AdaBoost算法的人脸精检 | 第32-42页 |
| ·AdaBoost方法概述 | 第32-35页 |
| ·Boosting | 第32-33页 |
| ·AdaBoost方法概述 | 第33-34页 |
| ·Adaboost的理论分析 | 第34-35页 |
| ·基于Adaboost的人脸检测 | 第35-41页 |
| ·Adaboost在人脸检测中的应用 | 第35页 |
| ·人脸特征的选择 | 第35-37页 |
| ·分类函数的学习 | 第37-39页 |
| ·瀑布式的人脸检测 | 第39-40页 |
| ·基于Adaboost的人脸检测的加速和实验结果 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第五章 脸部特征定位 | 第42-61页 |
| ·脸部特征定位概述 | 第42-43页 |
| ·脸部特征定位方法 | 第43-49页 |
| ·先验规则 | 第44页 |
| ·镶嵌图 | 第44-45页 |
| ·几何投影 | 第45页 |
| ·二值化定位 | 第45-46页 |
| ·广义对称 | 第46页 |
| ·几何形状信息 | 第46-47页 |
| ·色彩信息 | 第47页 |
| ·关联信息 | 第47页 |
| ·概率网络 | 第47-48页 |
| ·DLA | 第48-49页 |
| ·GWN | 第49页 |
| ·本文提出的脸部特征定位方法 | 第49页 |
| ·图像对比度的增强 | 第49-52页 |
| ·图像二值化 | 第52-53页 |
| ·脸部特征具体定位 | 第53-58页 |
| ·脸部特征块属性计算 | 第53-54页 |
| ·几何信息与广义对称匹配 | 第54-58页 |
| ·本章小节 | 第58-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-73页 |
| 附录 攻读硕士期间完成的论文 | 第73页 |
