| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·人脸检测的研究背景及意义 | 第10-11页 |
| ·人脸检测的国内外研究现状 | 第11-15页 |
| ·本文的主要研究工作 | 第15页 |
| ·本文的内容结构安排 | 第15-17页 |
| 第二章 AdaBoost人脸检测原理及支持向量机算法描述 | 第17-25页 |
| ·AdaBoost算法概述 | 第17-19页 |
| ·Haar-like特征 | 第17-18页 |
| ·积分图(Integral Image) | 第18-19页 |
| ·AdaBoost人脸检测方法的原理 | 第19-23页 |
| ·提取Haar-like特征 | 第19页 |
| ·弱分类器 | 第19-21页 |
| ·强分类器 | 第21-22页 |
| ·级联分类器 | 第22-23页 |
| ·支持向量机算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于AGPSO-AdaBoost算法的人脸检测系统 | 第25-38页 |
| ·AGPSO-AdaBoost算法 | 第25-28页 |
| ·PSO算法 | 第25-26页 |
| ·AGPSO算法 | 第26-28页 |
| ·构建并训练基于支持向量机的弱分类器 | 第28-30页 |
| ·AGPSO优化待提升弱分类器系数 | 第30-31页 |
| ·采用AdaBoost算法生成强分类器 | 第31-32页 |
| ·基于AGPSO-AdaBoost算法的人脸检测系统结构 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 模拟实验分析 | 第38-43页 |
| ·Matlab和OpenCV仿真平台介绍 | 第38页 |
| ·实验参数设置 | 第38页 |
| ·算法仿真结果 | 第38-41页 |
| ·与传统Adaboost算法和PSO-AdaBoost算法的性能对比分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结和展望 | 第43-45页 |
| ·本文工作总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 在校期间发表的论文和参与的项目 | 第48-49页 |
| 致谢 | 第49页 |
