| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸检测的应用 | 第10-11页 |
| ·人脸检测的难点 | 第11-12页 |
| ·当前主要的人脸检测算法 | 第12-14页 |
| ·系统框架及本文结构 | 第14-16页 |
| 第二章 图像预处理 | 第16-22页 |
| ·去噪处理 | 第16-18页 |
| ·均值滤波法 | 第16-17页 |
| ·中值滤波 | 第17-18页 |
| ·低通滤波 | 第18页 |
| ·亮度调整 | 第18-20页 |
| ·光照纠正（ILLUMINATION CORRECTION） | 第20-22页 |
| ·光平面差法 | 第20页 |
| ·低通滤波法 | 第20-21页 |
| ·混合法 | 第21-22页 |
| 第三章 基于神经网络的人脸检测 | 第22-32页 |
| ·神经网络的介绍 | 第22页 |
| ·神经网络结构的设计 | 第22-26页 |
| ·输入、输出层的设计 | 第23-25页 |
| ·隐藏层的设计 | 第25-26页 |
| ·样本的选取 | 第26-28页 |
| ·训练过程 | 第28-32页 |
| ·连接权值的初值选取 | 第28页 |
| ·权值的更新 | 第28-30页 |
| ·停止条件 | 第30页 |
| ·相关问题的讨论 | 第30-32页 |
| 第四章 基于 ADABOOST 的人脸检测 | 第32-41页 |
| ·ADABOOST 算法介绍 | 第32-33页 |
| ·基本特征及其计算 | 第33-36页 |
| ·Haar-like 特征及其扩展特征 | 第33-34页 |
| ·积分图（Integral Image） | 第34-36页 |
| ·相关问题的讨论 | 第36-41页 |
| ·特征的选取算法 | 第36页 |
| ·特征的评判标准 | 第36-37页 |
| ·系数（alpha）的计算及更新 | 第37页 |
| ·阈值的选取 | 第37-38页 |
| ·相似特征的处理 | 第38页 |
| ·特征的矩形框的大小 | 第38页 |
| ·特征值的计算 | 第38-39页 |
| ·级联分类器 | 第39-41页 |
| 第五章 系统实现及实验结果 | 第41-57页 |
| ·系统结构 | 第41-44页 |
| ·图像预处理 | 第42页 |
| ·模糊逻辑判断 | 第42-43页 |
| ·基于 Adaboost 的人脸分类器 | 第43页 |
| ·后期处理 | 第43-44页 |
| ·神经网络分类器 | 第44页 |
| ·多分类器决策 | 第44页 |
| ·系统优化 | 第44-47页 |
| ·对训练过程的优化 | 第45-47页 |
| ·对检测过程的优化 | 第47页 |
| ·试验结果 | 第47-57页 |
| ·训练时间 | 第47-48页 |
| ·检测效果 | 第48-54页 |
| ·各种优化技术的效果 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·下一步的工作 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |