基于肤色和改进的AdaBoost人脸检测算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·人脸检测的研究背景及意义 | 第7页 |
| ·人脸检测的国内外研究现状 | 第7-11页 |
| ·基于知识的人脸检测方法 | 第9页 |
| ·基于统计分析的人脸检测方法 | 第9-11页 |
| ·人脸检测系统的评价标准 | 第11-12页 |
| ·本文章节安排 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 肤色分割候选人脸区域 | 第13-25页 |
| ·肤色特征 | 第13页 |
| ·选择颜色空间 | 第13-17页 |
| ·RGB颜色空间 | 第14页 |
| ·归一化 RGB 空间 | 第14-15页 |
| ·HSV 空间 | 第15-16页 |
| ·YCbCr 空间 | 第16-17页 |
| ·肤色分割实现 | 第17-20页 |
| ·建立肤色模型 | 第17-19页 |
| ·肤色分割 | 第19-20页 |
| ·后续处理 | 第20-22页 |
| ·不同光照条件下肤色分割性能测试 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于 AdaBoost 算法的人脸检测 | 第25-37页 |
| ·AdaBoost 算法的发展及应用 | 第25页 |
| ·训练部分 | 第25-33页 |
| ·构建训练样本库 | 第25-27页 |
| ·矩形特征和积分图 | 第27-30页 |
| ·AdaBoost 算法原理 | 第30-32页 |
| ·级联分类器的训练过程 | 第32-33页 |
| ·检测部分 | 第33-36页 |
| ·多尺度检测机制 | 第33-35页 |
| ·后续处理 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于稀疏特征的 AdaBoost 算法 | 第37-45页 |
| ·特征分析 | 第37-38页 |
| ·稀疏特征 | 第38-42页 |
| ·特征定义 | 第38-39页 |
| ·特征选取 | 第39-42页 |
| ·弱分类器训练 | 第42-43页 |
| ·与传统 AdaBoost 算法检测性能分析比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 人脸检测系统实现 | 第45-53页 |
| ·肤色检测 | 第45-49页 |
| ·肤色检测预处理 | 第46-47页 |
| ·肤色分割实现 | 第47-49页 |
| ·基于 AdaBoost 的人脸检测 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 实验结果及对比分析 | 第53-61页 |
| ·实验参数设定 | 第53页 |
| ·实验结果及分析 | 第53-58页 |
| ·单人脸图片测试 | 第53-55页 |
| ·多人脸图片测试 | 第55-58页 |
| ·系统性能分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |
