| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 人脸特征检测的研究背景及意义 | 第7-10页 |
| 1.2 人脸特征检测主要研究方法 | 第10-11页 |
| 1.3 本文研究工作及内容安排 | 第11-13页 |
| 第二章 系统主要算法概述 | 第13-24页 |
| 2.1 基于Boosted Cascade 的特征检测 | 第13-16页 |
| 2.1.1 Haar 特征 | 第14-15页 |
| 2.1.2 Haar 训练方法 | 第15页 |
| 2.1.3 Haar 识别方法 | 第15-16页 |
| 2.2 积分图 | 第16-17页 |
| 2.3 投影算法 | 第17-18页 |
| 2.3.1 积分投影函数 | 第17-18页 |
| 2.4 瞳孔检测算法 | 第18-21页 |
| 2.4.1 瞳孔检测算法综述 | 第18-20页 |
| 2.4.2 瞳孔检测算法改进 | 第20-21页 |
| 2.5 角点检测算法 | 第21页 |
| 2.5.1 角点检测算法综述 | 第21页 |
| 2.6 肤色算法 | 第21-23页 |
| 2.6.1 肤色算法描述 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 人脸特征检测系统概述 | 第24-28页 |
| 3.1 系统处理流程 | 第24页 |
| 3.2 帧预测机制 | 第24-26页 |
| 3.3 基于Directshow 的视频采集 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 人脸特征检测 | 第28-40页 |
| 4.1 人脸检测与定位 | 第28-31页 |
| 4.1.1 人脸Haar 特征训练与特征识别 | 第28页 |
| 4.1.2 肤色算法人脸边界精确定位 | 第28-30页 |
| 4.1.3 实验小结 | 第30-31页 |
| 4.2 人眼检测与特征点提取 | 第31-35页 |
| 4.2.1 人眼眶提取 | 第31-32页 |
| 4.2.2 瞳孔定位 | 第32-34页 |
| 4.2.3 内眼角定位与提取 | 第34-35页 |
| 4.2.4 实验小结 | 第35页 |
| 4.3 像素抽取算法 | 第35-38页 |
| 4.3.1 抽取算法 | 第35-36页 |
| 4.3.2 大像素人眼定位 | 第36-37页 |
| 4.3.3 性能分析 | 第37页 |
| 4.3.4 实验小结 | 第37-38页 |
| 4.4 眨眼检测 | 第38-39页 |
| 4.4.1 眨眼检测算法描述 | 第38-39页 |
| 4.4.2 实验小结 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 实验结果和分析 | 第40-45页 |
| 5.1 系统运行环境约束 | 第40页 |
| 5.2 测试结果和性能分析 | 第40-44页 |
| 5.2.1 测试规则 | 第40-41页 |
| 5.2.2 系统实时性分析 | 第41-42页 |
| 5.2.3 系统定位精度测试 | 第42-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 本文工作总结 | 第45页 |
| 6.2 未来展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49页 |