| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-19页 |
| 1.1 人眼检测的研究背景与意义 | 第8-9页 |
| 1.2 人眼检测的应用 | 第9-10页 |
| 1.3 人眼检测的国内外研究现状 | 第10-16页 |
| 1.3.1 概述 | 第10-11页 |
| 1.3.2 基于模板匹配的检测方法 | 第11-12页 |
| 1.3.3 基于统计学习的检测方法 | 第12-13页 |
| 1.3.4 基于知识和规则的检测方法 | 第13-14页 |
| 1.3.5 其他方法 | 第14-16页 |
| 1.4 人眼检测存在的主要问题与发展趋势 | 第16-18页 |
| 1.4.1 存在的问题 | 第16-17页 |
| 1.4.2 发展的趋势 | 第17-18页 |
| 1.5 论文研究内容与结构 | 第18-19页 |
| 第2章 Haar特征 | 第19-27页 |
| 2.1 Haar特征的提出 | 第19-21页 |
| 2.2 积分图 | 第21-22页 |
| 2.3 倾斜Haar特征 | 第22-24页 |
| 2.4 倾斜积分图 | 第24-26页 |
| 2.5 基于积分图的快速对比度拉伸 | 第26-27页 |
| 第3章 AdaBoost算法和分类器级联 | 第27-39页 |
| 3.1 AdaBoost算法 | 第27-34页 |
| 3.1.1 概述 | 第27页 |
| 3.1.2 Boosting方法与AdaBoost算法的提出 | 第27-28页 |
| 3.1.3 理解AdaBoost | 第28-31页 |
| 3.1.4 Real AdaBoost算法 | 第31-32页 |
| 3.1.5 Gentle AdaBoost算法 | 第32-34页 |
| 3.2 弱分类器的构造 | 第34-36页 |
| 3.3 分类器的级联 | 第36-39页 |
| 第4章 改进的快速人眼检测 | 第39-51页 |
| 4.1 人眼检测器的训练 | 第39-42页 |
| 4.2 人眼检测的搜索策略 | 第42-43页 |
| 4.3 人眼区域判定 | 第43-44页 |
| 4.4 人脸人眼混合检测 | 第44-45页 |
| 4.5 检测窗口合并 | 第45-46页 |
| 4.6 实验结果与分析 | 第46-51页 |
| 4.6.1 实验系统与环境 | 第46-47页 |
| 4.6.2 人脸数据集 | 第47-48页 |
| 4.6.3 Scale Image与Scale Feature搜索策略比较 | 第48页 |
| 4.6.4 扩展Haar特征与基本Haar特征的比较 | 第48-49页 |
| 4.6.5 人眼检测结果对比 | 第49-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 进一步工作的方向 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
