| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·人脸检测技术的发展过程 | 第10-12页 |
| ·人脸检测的概念和难点 | 第12-14页 |
| ·主要的人脸检测方法及分类 | 第14页 |
| ·本文的主要研究工作 | 第14-16页 |
| 第2章 基于肤色的人脸检测 | 第16-41页 |
| ·常用色彩空间及其肤色模型 | 第16-24页 |
| ·RGB 色彩空间及其肤色模型 | 第17-20页 |
| ·HSV 色彩空间及其肤色模型 | 第20-21页 |
| ·YCbCr 色彩空间及其肤色模型 | 第21-24页 |
| ·光照补偿 | 第24-26页 |
| ·肤色分割 | 第26-31页 |
| ·RGB 空间肤色分割 | 第26-28页 |
| ·HSV 空间肤色分割 | 第28-29页 |
| ·YCbCr 空间肤色分割 | 第29-31页 |
| ·数学形态学滤波 | 第31-35页 |
| ·膨胀与腐蚀 | 第31-33页 |
| ·闭运算与开运算 | 第33-35页 |
| ·人脸肤色区域验证和标注 | 第35-39页 |
| ·本章小结 | 第39-41页 |
| 第3章 基于 AdaBoost 算法的人脸检测 | 第41-63页 |
| ·AdaBoost 算法在人脸检测中的应用 | 第41-42页 |
| ·训练样本集 | 第42-43页 |
| ·AdaBoost 算法的检测原理与实现方法 | 第43-49页 |
| ·AdaBoost 算法简介 | 第43-44页 |
| ·Haar-like 矩形特征 | 第44-49页 |
| ·AdaBoost 算法的具体实现流程 | 第49-58页 |
| ·AdaBoost 算法的基本思想 | 第49-51页 |
| ·AdaBoost 算法的具体实现流程 | 第51-52页 |
| ·弱分类器的选取及强分类器的训练 | 第52-58页 |
| ·AdaBoost 算法耗时原因及优化 | 第58-62页 |
| ·AdaBoost 算法耗时原因分析 | 第58页 |
| ·AdaBoost 算法的优化 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 Cascade 架构的应用 | 第63-74页 |
| ·Cascade 架构的基本思想 | 第63-65页 |
| ·Adaboost 算法应用 Cascade 架构的实现方法 | 第65-66页 |
| ·扫描检测 | 第66-68页 |
| ·肤色模型与 AdaBoost 算法相结合检测人脸 | 第68-73页 |
| ·肤色检测和AdaBoost 算法联合检测的流程 | 第68-69页 |
| ·肤色检测和AdaBoost 算法联合检测结果分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81页 |
