多姿态人脸检测方法的研究
| 独创性说明 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-19页 |
| ·人脸检测的研究背景及意义 | 第7-8页 |
| ·国内外研究现状及发展趋势 | 第8-9页 |
| ·人脸检测技术综述 | 第9-18页 |
| ·人脸特征 | 第9-11页 |
| ·人脸检测方法 | 第11-17页 |
| ·小结 | 第17-18页 |
| ·本文的主要研究工作 | 第18-19页 |
| 2 基于积分图像与AdaBoost的检测算法 | 第19-32页 |
| ·矩形特征和积分图像 | 第19-22页 |
| ·矩形特征 | 第19-20页 |
| ·积分图像 | 第20-22页 |
| ·扩展的矩形特征 | 第22页 |
| ·AdaBoost算法 | 第22-26页 |
| ·举例分析 | 第24-26页 |
| ·用矩形特征训练AdaBoost分类器 | 第26页 |
| ·层叠分类器 | 第26-29页 |
| ·描述层叠分类器的相关量 | 第27-29页 |
| ·层叠分类器训练算法 | 第29页 |
| ·人脸检测过程 | 第29-32页 |
| ·传统扫描策略 | 第29-30页 |
| ·改进的人脸扫描策略 | 第30-32页 |
| 3 算法的实现及改进 | 第32-56页 |
| ·AdaBoost算法的实现 | 第32-35页 |
| ·讨论AdaBoost算法复杂度 | 第32-33页 |
| ·实现AdaBoost算法 | 第33-34页 |
| ·AdaBoost算法应用于层叠分类器 | 第34-35页 |
| ·层叠分类器的训练过程及改进 | 第35-45页 |
| ·训练样本的获得 | 第35-36页 |
| ·预处理 | 第36-37页 |
| ·训练分类器 | 第37-39页 |
| ·训练过程的改进 | 第39-42页 |
| ·讨论影响训练效果的因素 | 第42-45页 |
| ·人脸检测过程的实现 | 第45-48页 |
| ·预处理 | 第45页 |
| ·人脸检测的具体过程 | 第45-46页 |
| ·后处理 | 第46-48页 |
| ·正面人脸检测系统的实现 | 第48-56页 |
| ·提出新的矩形特征 | 第48-52页 |
| ·正面人脸检测系统 | 第52-56页 |
| 4 多姿态人脸检测系统 | 第56-60页 |
| ·多姿态人脸检测的发展 | 第56-57页 |
| ·多姿态人脸检测的方法 | 第57-60页 |
| 5 多姿态人脸检测系统的实现 | 第60-66页 |
| ·训练样本的获得 | 第60页 |
| ·多姿态人脸检测分类器的训练过程 | 第60-64页 |
| ·多姿态人脸检测系统的结果分析 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| ·本人工作总结 | 第66页 |
| ·对新技术方法的展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
| 大连理工大学学位论文版权使用授权书 | 第72页 |
