| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·人脸检测的目的和意义 | 第7页 |
| ·人脸检测的难点 | 第7-8页 |
| ·检测结果的评价标准 | 第8-9页 |
| ·人脸检测的研究现状及方法 | 第9-12页 |
| ·研究现状 | 第9页 |
| ·经典检测方法概述 | 第9-12页 |
| ·本文的主要工作和内容安排 | 第12-14页 |
| 第二章 基于 AdaBoost 算法的人脸检测 | 第14-26页 |
| ·Adaboost 人脸检测算法预备知识 | 第14-19页 |
| ·特征选择的影响 | 第14页 |
| ·Harr-like 特征 | 第14-17页 |
| ·用积分图计算harr-like 特征值 | 第17-19页 |
| ·AdaBoost 人脸检测算法 | 第19-23页 |
| ·AdaBoost 算法发展过程 | 第19-20页 |
| ·Boosting 算法 | 第20页 |
| ·AdaBoost 人脸检测算法简介 | 第20-21页 |
| ·AdaBoost 算法训练过程 | 第21-22页 |
| ·AdaBoost 算法理论分析 | 第22-23页 |
| ·AdaBoost 检测过程 | 第23-26页 |
| ·引言 | 第23页 |
| ·级联分类器 | 第23-24页 |
| ·级联分类器的设计 | 第24-26页 |
| 第三章 AdaBoost 人脸检测算法相关问题研究及改进 | 第26-40页 |
| ·AdaBoost 算法中存在的问题 | 第26页 |
| ·AdaBoost 训练算法耗时分析 | 第26-27页 |
| ·样本的选取 | 第27-29页 |
| ·减少特征数目 | 第29-31页 |
| ·弱分类器的设计 | 第31-32页 |
| ·训练过程中权重更新优化讨论 | 第32-35页 |
| ·图像处理相关知识介绍 | 第35-40页 |
| ·数字图像处理概念 | 第35-36页 |
| ·去噪处理 | 第36-37页 |
| ·亮度调整 | 第37页 |
| ·图像的形状变换 | 第37-38页 |
| ·图像分割 | 第38-40页 |
| 第四章 基于AdaBoost 算法人脸检测实验结果及分析 | 第40-58页 |
| ·训练流程 | 第40-41页 |
| ·样本选取及处理 | 第41-43页 |
| ·特征的选取 | 第43-45页 |
| ·训练分类器 | 第45-49页 |
| ·结合级联分类器和肤色信息的人脸检测 | 第49-55页 |
| ·检测流程 | 第50页 |
| ·图像预处理 | 第50-51页 |
| ·级联分类器进行人脸检测的方案 | 第51-53页 |
| ·待检测图像的肤色分割 | 第53-55页 |
| ·结合AdaBoost 算法分类器与肤色人脸检测的实验结果 | 第55-58页 |
| ·检测方案 | 第55-57页 |
| ·检测结果 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58-59页 |
| ·存在的不足和下一步工作 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
