| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究背景与意义 | 第12页 |
| ·国内外研究现状 | 第12-13页 |
| ·难点以及需解决问题 | 第13页 |
| ·人脸检测问题性能评价 | 第13-14页 |
| ·本文主要研究工作及组织结构 | 第14-15页 |
| 第二章 人脸检测算法综述 | 第15-22页 |
| ·引言 | 第15页 |
| ·人脸检测方法 | 第15-21页 |
| ·基于知识的方法 | 第15-17页 |
| ·基于特征的方法 | 第17-18页 |
| ·模板匹配 | 第18页 |
| ·基于表象的方法 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于SVM 的静态图片人脸检测 | 第22-45页 |
| ·引言 | 第22页 |
| ·肤色分割方法 | 第22-25页 |
| ·颜色空间的选取 | 第22-24页 |
| ·肤色模型的建立 | 第24-25页 |
| ·建立肤色模型 | 第24-25页 |
| ·分割皮肤颜色 | 第25页 |
| ·图像分割后处理 | 第25-29页 |
| ·图像二值化 | 第25-26页 |
| ·形态学处理 | 第26-27页 |
| ·连通性检测 | 第27-29页 |
| ·主成分分析法 | 第29-32页 |
| ·样本图像的主成分分析 | 第29-31页 |
| ·特征空间中主特征的性质 | 第31-32页 |
| ·支持向量机 | 第32-37页 |
| ·引言 | 第32页 |
| ·支持向量机方法 | 第32-36页 |
| ·核函数 | 第36-37页 |
| ·小结 | 第37页 |
| ·构造SVM 人脸分类器 | 第37-41页 |
| ·实现算法原理及软件 | 第37页 |
| ·确定核函数 | 第37-38页 |
| ·SVM 参数选择 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本文实现算法流程 | 第41-43页 |
| ·算法流程图 | 第41-42页 |
| ·样本集的收集 | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于ADABOOST 方法的视频序列中的人脸检测 | 第45-74页 |
| ·引言 | 第45页 |
| ·特征选择与计算 | 第45-50页 |
| ·Harr-like 特征 | 第45-47页 |
| ·积分图 | 第47-49页 |
| ·特征值计算 | 第49-50页 |
| ·分类器的构建与训练 | 第50-56页 |
| ·弱学习训练算法分析 | 第50-52页 |
| ·构建弱分类器 | 第52-53页 |
| ·训练强分类器 | 第53-56页 |
| ·算法错误率上限 | 第54-56页 |
| ·ADABOOST 算法优化 | 第56-59页 |
| ·AdaBoost 算法耗时原因分析 | 第56-57页 |
| ·AdaBoost 算法的优化 | 第57-58页 |
| ·减少特征数量 | 第58-59页 |
| ·小结 | 第59页 |
| ·CASCADE策略 | 第59-63页 |
| ·Cascade 算法原理 | 第59-60页 |
| ·检出率与误检率的讨论 | 第60-62页 |
| ·算法架构 | 第62-63页 |
| ·小结 | 第63页 |
| ·训练系统 | 第63-68页 |
| ·样本集的建立 | 第63-66页 |
| ·训练分类器 | 第66-67页 |
| ·训练系统框架 | 第67-68页 |
| ·本文实现算法流程 | 第68-72页 |
| ·算法流程图 | 第68页 |
| ·预处理 | 第68-71页 |
| ·检测策略 | 第71页 |
| ·后处理 | 第71-72页 |
| ·实验结果及分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| ·主要工作总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 作者在攻读硕士期间发表的论文 | 第80-81页 |