| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-13页 |
| ·基于先验知识的人脸检测方法 | 第8-10页 |
| ·基于后验学习和训练的方法 | 第10-12页 |
| ·人脸检测存在的难点 | 第12-13页 |
| ·检测结果的评价标准 | 第13页 |
| ·本文研究内容 | 第13-15页 |
| 第2章 Boosting 学习算法 | 第15-21页 |
| ·Boosting 学习算法 | 第15页 |
| ·Adaboost 学习算法 | 第15-19页 |
| ·Adaboost 算法的基本原理 | 第15-18页 |
| ·Adaboost 算法的训练错误率分析 | 第18页 |
| ·Adaboost 算法的推广错误率分析 | 第18-19页 |
| ·本章小节 | 第19-21页 |
| 第3章 矩形特征的扩展和积分图 | 第21-31页 |
| ·矩形特征的定义和扩展 | 第21-25页 |
| ·原始的矩形特征 | 第21-22页 |
| ·扩展的矩形特征 | 第22-25页 |
| ·利用积分图计算矩形特征 | 第25-30页 |
| ·原始矩形特征的快速计算方法 | 第26-27页 |
| ·扩展矩形特征的快速计算方法 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 用改进的 Adaboost 算法实现人脸实时检测 | 第31-53页 |
| ·人脸检测框架 | 第31页 |
| ·样本的获取及预处理 | 第31-33页 |
| ·弱分类器设计 | 第33-36页 |
| ·改进的 Adaboost 学习算法 | 第36-41页 |
| ·多层级联分类器的设计 | 第41-46页 |
| ·多层级联分类器的结构 | 第41-42页 |
| ·多层级联分类器的检测率和误检率 | 第42-43页 |
| ·多层级联分类器的训练方法 | 第43-46页 |
| ·应用多层级联分类器检测人脸 | 第46-50页 |
| ·检测方法 | 第46-47页 |
| ·检测流程 | 第47-48页 |
| ·检测结果的合并 | 第48页 |
| ·检测流程图 | 第48-50页 |
| ·实验结果及分析 | 第50-52页 |
| ·测试性能的分析 | 第50-52页 |
| ·测试结果示例 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第5章 多角度的人脸检测探讨 | 第53-59页 |
| ·多角度人脸检测的发展 | 第53-54页 |
| ·多角度人脸检测的方法 | 第54-55页 |
| ·多角度人脸检测的实现 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59页 |
| ·发展与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 摘要 | 第65-68页 |
| Abstract | 第68-71页 |