| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 人脸检测的研究现状及难点 | 第9-10页 |
| 1.3 人脸检测方法及分类 | 第10-13页 |
| 1.3.1 基于知识的人脸检测方法 | 第10-11页 |
| 1.3.2 基于统计理论的人脸检测方法 | 第11-13页 |
| 1.4 人脸检测方法的性能评测 | 第13-14页 |
| 1.5 论文组织 | 第14-16页 |
| 2 人脸检测算法并行化的研究 | 第16-32页 |
| 2.1 矩形特征 | 第16-18页 |
| 2.2 积分图 | 第18-21页 |
| 2.3 AdaBoost算法介绍 | 第21-26页 |
| 2.3.1 算法基本描述 | 第21-23页 |
| 2.3.2 弱分类器Weak Classifier | 第23-24页 |
| 2.3.3 强分类器Strong Classifier | 第24-25页 |
| 2.3.4 级联分类器 | 第25-26页 |
| 2.4 AdaBoost人脸检测算法并行化改进 | 第26-30页 |
| 2.4.1 AdaBoost算法的问题 | 第26-27页 |
| 2.4.2 改进思路 | 第27-28页 |
| 2.4.3 改进算法描述 | 第28-29页 |
| 2.4.4 改进算法可行性分析 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 人脸检测算法并行化的实现方案 | 第32-42页 |
| 3.1 MapReduce相关技术介绍 | 第32-36页 |
| 3.1.1 MapReduce编程模型 | 第32-33页 |
| 3.1.2 MapReduce执行流程 | 第33-34页 |
| 3.1.3 MapReduce实现平台 | 第34-36页 |
| 3.2 传统的并行化改进实现 | 第36-37页 |
| 3.3 基于MapReduce的并行化实现 | 第37-40页 |
| 3.3.1 Map函数的实现 | 第37-38页 |
| 3.3.2 Reduce函数的实现 | 第38-39页 |
| 3.3.3 性能分析 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 人脸检测系统设计与实现 | 第42-53页 |
| 4.1 系统架构设计 | 第42-43页 |
| 4.2 检测图像采集 | 第43-44页 |
| 4.3 训练分类器 | 第44-48页 |
| 4.3.1 Hadoop集群的搭建 | 第44-45页 |
| 4.3.2 训练图片的获取 | 第45-47页 |
| 4.3.3 分类器的训练 | 第47-48页 |
| 4.4 人脸检测过程 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间主要的研究成果目录 | 第59-60页 |
| 致谢 | 第60页 |