| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·研究背景及意义 | 第9-11页 |
| ·人脸检测评价标准 | 第11页 |
| ·本文研究的主要内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 人脸检测技术综述 | 第13-21页 |
| ·基于特征的检测方法 | 第13-15页 |
| ·基于模板匹配的人脸检测方法 | 第15页 |
| ·基于统计模型的检测方法 | 第15-20页 |
| ·Adaboost 算法 | 第16页 |
| ·支持向量机 | 第16-18页 |
| ·神经网络 | 第18-20页 |
| ·小结 | 第20-21页 |
| 第三章 基于肤色分割模型的人脸检测 | 第21-42页 |
| ·颜色空间模型 | 第21-24页 |
| ·肤色模型 | 第24-27页 |
| ·简单色度空间模型 | 第24-25页 |
| ·统计直方图模型 | 第25页 |
| ·查找表法 | 第25-26页 |
| ·高斯模型或者混合高斯模型 | 第26-27页 |
| ·基于亮度聚类肤色模型 | 第27页 |
| ·肤色区域分割 | 第27-30页 |
| ·人脸区域筛选 | 第30-36页 |
| ·图像二值化，自适应阈值 | 第30-33页 |
| ·去噪 | 第33-36页 |
| ·候选人脸区域确定 | 第36-41页 |
| ·区域的长宽比 | 第37页 |
| ·区域的面积 | 第37页 |
| ·区域面积占有率 | 第37页 |
| ·区域的重心 | 第37-38页 |
| ·四领域增长法求最大连通域 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 AdaBoost 人脸检测算法 | 第42-56页 |
| ·应用级联算法分类器进行人脸检测 | 第42-43页 |
| ·AdaBoost 算法 | 第43-51页 |
| ·Haar 特征 | 第43-47页 |
| ·积分图 | 第47-48页 |
| ·平方积分图 | 第48页 |
| ·弱分类器 | 第48-49页 |
| ·强分类器 | 第49页 |
| ·级联分类器 | 第49-51页 |
| ·Adaboost 算法检测过程 | 第51-55页 |
| ·级联分类器训练过程 | 第51-52页 |
| ·应用Adaboost 算法的人脸检测 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结合肤色和AdaBoost 算法的人脸检测 | 第56-60页 |
| ·肤色检测的优缺点 | 第56页 |
| ·AdaBoost 算法的优缺点 | 第56页 |
| ·结合肤色和AdaBoost 算法的人脸检测 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |