| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-23页 |
| 1.1 选题背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要的人脸检测方法及分类 | 第14-18页 |
| 1.3.1 基于知识的人脸检测方法 | 第14-16页 |
| 1.3.2 基于统计模型的人脸检测方法 | 第16-18页 |
| 1.4 人脸检测的性能评价标准 | 第18-20页 |
| 1.5 本论文的研究工作 | 第20-21页 |
| 1.6 本文结构 | 第21-23页 |
| 2 基于 YCbCr 色彩空间的肤色分割算法 | 第23-30页 |
| 2.1 颜色空间 | 第23-27页 |
| 2.1.1 RGB 颜色空间模型 | 第24-25页 |
| 2.1.2 HSV 颜色空间模型 | 第25-26页 |
| 2.1.3 HSI 颜色空间模型 | 第26-27页 |
| 2.1.4 YCbCr 颜色空间模型 | 第27页 |
| 2.2 肤色分割 | 第27-30页 |
| 3 人脸图像预处理 | 第30-36页 |
| 3.1 光照补偿 | 第30-33页 |
| 3.1.1 直方图均衡化 | 第31-33页 |
| 3.2 图像去噪处理 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于 Adaboost 和鼻子检测算法的人脸检测 | 第36-45页 |
| 4.1 Adaboost 算法的基本原理 | 第36页 |
| 4.2 基于 Adaboost 算法的人脸检测 | 第36-41页 |
| 4.2.1 矩形特征与积分图 | 第37-40页 |
| 4.2.2 弱分类器设计 | 第40-41页 |
| 4.2.3 强分类器设计 | 第41页 |
| 4.3 基于 Adaboost 算法人脸检测的的缺陷与不足 | 第41-42页 |
| 4.4 鼻子检测 | 第42-44页 |
| 4.4.1 鼻子检测算法的基本原理 | 第42页 |
| 4.4.2 鼻子检测对人脸检测的验证 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 人脸检测系统的设计和实现 | 第45-54页 |
| 5.1 系统关键技术 | 第45-47页 |
| 5.1.1 OpenCV 简介 | 第45-47页 |
| 5.2 人脸检测系统的设计 | 第47-49页 |
| 5.2.1 系统功能模块设计 | 第47-49页 |
| 5.3 人脸检测系统的实现 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-57页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-64页 |
| 个人简历 | 第64页 |
| 在校期间已发表的文献和研究成果 | 第64-65页 |