| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题的研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·人脸检测的经典方法 | 第11-15页 |
| ·基于启发式模型的检测方法 | 第12-13页 |
| ·基于统计学习的检测方法 | 第13-15页 |
| ·人脸检测的难点 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| ·论文的结构安排 | 第17-18页 |
| 第二章 基于肤色的人脸检测 | 第18-33页 |
| ·光照补偿 | 第18-20页 |
| ·色彩空间及肤色模型 | 第20-26页 |
| ·色彩空间 | 第20-23页 |
| ·肤色模型 | 第23-25页 |
| ·色彩空间及肤色模型的选择 | 第25-26页 |
| ·肤色区域分割 | 第26-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于 Adaboost 算法的人脸检测 | 第33-59页 |
| ·Adaboost 原理概述 | 第33-34页 |
| ·Haar 特征与积分图 | 第34-38页 |
| ·Haar 特征 | 第34-35页 |
| ·积分图 | 第35-38页 |
| ·Adaboost 和连续 Adaboost 算法 | 第38-43页 |
| ·Adaboost 强分类器训练流程 | 第38-39页 |
| ·Adaboost 弱分类器 | 第39-40页 |
| ·连续 Adaboost 强分类器训练流程 | 第40-42页 |
| ·连续 Adaboost 弱分类器 | 第42-43页 |
| ·对连续 Adaboost 算法的改进 | 第43-47页 |
| ·非均匀的样本空间划分 | 第44-45页 |
| ·浮动搜索策略 | 第45-47页 |
| ·级联检测器 | 第47-49页 |
| ·级联检测器的结构 | 第47-48页 |
| ·级联检测器构造算法 | 第48-49页 |
| ·训练样本的收集 | 第49-51页 |
| ·人脸样本的选取 | 第49-50页 |
| ·非人脸样本的选取 | 第50-51页 |
| ·人脸检测过程 | 第51-53页 |
| ·实验结果及分析 | 第53-58页 |
| ·人脸检测算法的评测标准 | 第53-54页 |
| ·实验分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 基于肤色分割及连续 Adaboost 的人脸检测 | 第59-67页 |
| ·各个检测算法的不足 | 第59页 |
| ·肤色分割和改进连续 Adaboost 算法的人脸检测 | 第59-60页 |
| ·实验结果分析 | 第60-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| ·本文的主要贡献 | 第67-68页 |
| ·下一步工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
