| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 图表目录 | 第7-8页 |
| 1 绪论 | 第8-16页 |
| ·背景及研究现状 | 第8-9页 |
| ·人脸检测方法及分类 | 第9-13页 |
| ·基于知识的人脸检测方法 | 第9-10页 |
| ·基于统计理论的人脸检测方法 | 第10-13页 |
| ·基于子空间的方法 | 第10-11页 |
| ·基于人工神经网络的方法 | 第11页 |
| ·基于支持向量机的方法 | 第11-12页 |
| ·基于概率模型的方法 | 第12-13页 |
| ·基于AdaBoost的方法 | 第13页 |
| ·人脸检测的评价标准 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| ·研究对象、目的及意义 | 第14页 |
| ·论文的组织 | 第14-15页 |
| ·论文的主要工作及创新 | 第15-16页 |
| 2 AdaBoost算法 | 第16-24页 |
| ·Boosting算法背景 | 第16页 |
| ·AdaBoost算法的提出 | 第16-18页 |
| ·AdaBoost算法的理论分析 | 第18-21页 |
| ·训练误差 | 第18-20页 |
| ·泛化误差 | 第20-21页 |
| ·AdaBoost算法在人脸检测中的应用 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于AdaBoost算法的人脸检测 | 第24-45页 |
| ·Haar-like特征 | 第24-27页 |
| ·积分图 | 第27-29页 |
| ·由扩展的Haar-like特征生成弱分类器 | 第29-30页 |
| ·利用AdaBoost算法生成强分类器 | 第30-32页 |
| ·级联分类器 | 第32-34页 |
| ·训练样本的选取与预处理 | 第34-36页 |
| ·训练样本的选取 | 第34-35页 |
| ·图像预处理 | 第35-36页 |
| ·实现人脸检测 | 第36-42页 |
| ·训练分类器 | 第36-39页 |
| ·检测人脸 | 第39-42页 |
| ·实验结果 | 第42-44页 |
| ·本章小节 | 第44-45页 |
| 4 基于MCE-AdaBoost算法的人脸检测 | 第45-50页 |
| ·MCE(modify classification error)-AdaBoost算法的提出 | 第45-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于LWE-AdaBoost算法的人脸检测 | 第50-55页 |
| ·LWE(limit weight expansion)-AdaBoost算法的提出 | 第50-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 基于MWR-AdaBoost算法的人脸检测 | 第55-60页 |
| ·MWR(modify weight renewal)-AdaBoost算法的提出 | 第55-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
