| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-14页 |
| ·人脸检测的意义和定义 | 第7-8页 |
| ·人脸检测研究进展 | 第8-9页 |
| ·人脸检测方法的性能评价 | 第9-12页 |
| ·人脸图像数据库 | 第9页 |
| ·性能评测 | 第9-12页 |
| ·本文主要工作和内容安排 | 第12-14页 |
| 第二章 人脸检测方法分类及经典方法概述 | 第14-21页 |
| ·人脸检测方法分类 | 第14-17页 |
| ·基于知识的方法 | 第14-15页 |
| ·基于特征的方法 | 第15-16页 |
| ·模板匹配 | 第16页 |
| ·基于外观的方法 | 第16-17页 |
| ·经典方法概述 | 第17-21页 |
| ·神经网络Neural Network | 第18页 |
| ·特征脸Eigenface | 第18-19页 |
| ·基于样本学习方法Example-based Methods | 第19页 |
| ·支持向量机Support Vector Machine (SVM) | 第19-20页 |
| ·隐马尔科夫模型Hidden Markov Model (HMM) | 第20-21页 |
| 第三章 ADABOOST 人脸检测方法的理论基础 | 第21-35页 |
| ·机器学习算法基础 | 第21-23页 |
| ·ADABOOST 算法介绍 | 第23-27页 |
| ·boosting 人脸检测算法介绍 | 第23-24页 |
| ·二分类问题的描述 | 第24-25页 |
| ·AdaBoost 算法描述 | 第25-27页 |
| ·ADABOOST 算法分析 | 第27-30页 |
| ·基于积分图像的ADABOOST 人脸检测算法 | 第30-35页 |
| ·矩形特征 | 第30-32页 |
| ·积分图 | 第32-33页 |
| ·级联分类器 | 第33-35页 |
| 第四章 人脸检测系统设计与实现 | 第35-52页 |
| ·人脸图像预处理 | 第35-40页 |
| ·数字图像处理的概念 | 第35-36页 |
| ·灰度变换 | 第36页 |
| ·直方图均衡化 | 第36-38页 |
| ·图像的平滑 | 第38-39页 |
| ·利用OpenCV 实现图像预处理 | 第39-40页 |
| ·训练分类器 | 第40-41页 |
| ·实现人脸检测 | 第41-47页 |
| ·传统方法 | 第42页 |
| ·本系统的方法 | 第42-44页 |
| ·从静态图像中检测人脸 | 第44页 |
| ·从AVI 视频文件中检测人脸 | 第44-46页 |
| ·从摄像头检测人脸 | 第46-47页 |
| ·检测结果及分析 | 第47-52页 |
| ·检测结果 | 第47-50页 |
| ·结果分析 | 第50-52页 |
| 第五章 结论 | 第52-54页 |
| ·本文取得的主要成果 | 第52-53页 |
| ·下一步工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 摘要 | 第57-60页 |
| ABSTRACT | 第60-63页 |
| 致谢 | 第63页 |
