首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

快速人眼检测若干关键技术的研究

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

论文共57页,点击 下载论文
上一篇:基于词项—句子—文档三层图模型的多文档自动摘要
下一篇:基于扩展依赖关系模型的Java软件聚类研究