| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-14页 |
| ·人脸检测的研究背景和意义 | 第9页 |
| ·人脸检测算法研究的国内外动态 | 第9-12页 |
| ·本文的主要工作和内容安排 | 第12-14页 |
| 第2章 基于肤色特征的人脸检测技术 | 第14-38页 |
| ·人脸图像的预处理 | 第14-22页 |
| ·彩色图像的光线补偿 | 第14-17页 |
| ·灰度直方图均衡化 | 第17-20页 |
| ·空间低通滤波去噪 | 第20-22页 |
| ·肤色模型的选择和建立 | 第22-29页 |
| ·YCbCr色彩空间 | 第23-26页 |
| ·肤色采样 | 第26页 |
| ·肤色模型的建立 | 第26-29页 |
| ·肤色区域的分割 | 第29-34页 |
| ·似然度计算和似然图的绘制 | 第29-30页 |
| ·阈值分割 | 第30-31页 |
| ·二值图的形态学滤波处理 | 第31-34页 |
| ·人脸候选区域的筛选 | 第34-36页 |
| ·区域的长宽比 | 第34-35页 |
| ·区域的面积 | 第35页 |
| ·区域的中心 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 基于Adaboost算法的人脸检测 | 第38-52页 |
| ·Haar-like特征和积分图像 | 第38-41页 |
| ·Haar-like特征 | 第38-39页 |
| ·积分图像 | 第39-41页 |
| ·基于Adaboost学习训练算法 | 第41-50页 |
| ·基于Adaboost算法的人脸检测过程 | 第41-44页 |
| ·级联分类器的设计和使用 | 第44-50页 |
| ·训练难点及优化方法 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于肤色和Adaboost算法相结合的人脸检测 | 第52-60页 |
| ·算法框架及工作流程 | 第52-55页 |
| ·人脸检测结果和分析 | 第55-59页 |
| ·人脸检测结果 | 第55-59页 |
| ·试验结果小结 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 本人攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |