复杂环境下基于Adaboost的人脸检测系统设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题背景和意义 | 第7页 |
| ·人脸检测的困难 | 第7页 |
| ·研究现状及发展趋势 | 第7-8页 |
| ·人脸检测结果评价标准 | 第8-9页 |
| ·内容及章节安排 | 第9-11页 |
| 2 人脸检测方法介绍 | 第11-17页 |
| ·人脸检测问题的分类 | 第11-12页 |
| ·人脸检测方法 | 第12-17页 |
| ·基于知识的人脸检测方法 | 第12-13页 |
| ·基于学习的人脸检测方法 | 第13-17页 |
| 3 基于Adaboost的人脸检测方法研究 | 第17-33页 |
| ·矩形特征 | 第17-20页 |
| ·矩形特征描述 | 第17-19页 |
| ·矩形特征的提取 | 第19-20页 |
| ·矩形特征的个数 | 第20页 |
| ·积分图 | 第20-23页 |
| ·新特征描述 | 第23-24页 |
| ·几何变化 | 第23-24页 |
| ·组合特征 | 第24页 |
| ·Adaboost算法 | 第24-30页 |
| ·Adaboost算法原理 | 第25-26页 |
| ·算法过程分析 | 第26-27页 |
| ·收敛性分析 | 第27-29页 |
| ·举例说明 | 第29-30页 |
| ·级联分类器构造 | 第30-33页 |
| 4 系统实现 | 第33-49页 |
| ·系统框架 | 第33-34页 |
| ·样本获得 | 第34-35页 |
| ·训练样本预处理 | 第35-37页 |
| ·图像缩放 | 第35-36页 |
| ·直方图均衡 | 第36-37页 |
| ·弱分类器实现 | 第37-39页 |
| ·强分类器实现 | 第39-40页 |
| ·级联分类器实现 | 第40-41页 |
| ·检测过程实现 | 第41-49页 |
| ·预处理 | 第41-44页 |
| ·具体检测过程实现 | 第44-49页 |
| 5 实验与结果分析 | 第49-57页 |
| ·训练结果 | 第49-51页 |
| ·训练环境 | 第49页 |
| ·训练结果存放格式 | 第49-51页 |
| ·检测结果 | 第51-55页 |
| ·单人脸检测结果 | 第51页 |
| ·多人脸检测结果 | 第51-52页 |
| ·检测结果优化 | 第52-55页 |
| ·结果分析 | 第55-57页 |
| 6 总结展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在校期间发表论文 | 第65页 |
