| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究的重点问题 | 第10-11页 |
| 1.4 本文主要工作和章节安排 | 第11-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 基于Adaboost算法的人脸检测技术 | 第15-27页 |
| 2.1 Adaboost算法 | 第15-18页 |
| 2.1.1 Boosting算法背景 | 第15-16页 |
| 2.1.2 Adaboost算法的提出 | 第16-17页 |
| 2.1.3 Adaboost算法的在人脸检测中的应用 | 第17-18页 |
| 2.2 Adaboost算法人脸检测 | 第18-26页 |
| 2.2.1 构建训练样本库 | 第18-20页 |
| 2.2.2 Haar特征 | 第20-22页 |
| 2.2.3 分类器的构造 | 第22-24页 |
| 2.2.4 基于Adaboost算法的人脸检测系统的训练 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 非人脸的误检排除 | 第27-35页 |
| 3.1 人脸检测策略 | 第27-28页 |
| 3.2 造成误检的原因探究 | 第28-29页 |
| 3.2.1 基于Haar特征造成的误检 | 第29页 |
| 3.2.2 基于固定背景造成的大量误检 | 第29页 |
| 3.3 去除误检的策略 | 第29-31页 |
| 3.3.1 中心块去误检 | 第29-30页 |
| 3.3.2 顽固误检的去除办法 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-34页 |
| 3.4.1 对于检测机制的实验结果与分析 | 第31-32页 |
| 3.4.2 中心块无误检的实验结果与分析 | 第32-33页 |
| 3.4.3 去除顽固误检的实验结果与分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 相对最优人脸的选取 | 第35-45页 |
| 4.1 人脸选取原则 | 第35-36页 |
| 4.2 图像的预处理 | 第36-37页 |
| 4.2.1 缩小定位范围 | 第36-37页 |
| 4.2.2 图像增强 | 第37页 |
| 4.3 图像二值化和开运算 | 第37页 |
| 4.4 区域连通性分析 | 第37-38页 |
| 4.5 计算眼睛纵坐标以及横坐标 | 第38-40页 |
| 4.6 实验结果与分析 | 第40-44页 |
| 4.7 本章小结 | 第44-45页 |
| 5 人脸识别 | 第45-49页 |
| 5.1 人脸识别算法 | 第45页 |
| 5.2 识别过程具体步骤 | 第45-47页 |
| 5.3 实验结果与分析 | 第47-49页 |
| 6 总结与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 参与的实习工作 | 第56页 |
| 参与的科研与教学工作 | 第56页 |
| 获奖情况 | 第56页 |