| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 人脸检测技术的难点 | 第13-14页 |
| 1.3 人脸检测的研究现状与应用前景 | 第14-17页 |
| 1.3.1 人脸检测的国内研究现状 | 第14-15页 |
| 1.3.2 人脸检测的国外研究现状 | 第15-16页 |
| 1.3.3 人脸检测的应用前景 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 1.5 本文内容安排 | 第18-19页 |
| 第2章 群体智能与人脸检测理论 | 第19-27页 |
| 2.1 引言 | 第19-20页 |
| 2.2 群体智能算法 | 第20-22页 |
| 2.2.1 人工鱼群算法 | 第20-21页 |
| 2.2.2 遗传算法 | 第21页 |
| 2.2.3 粒子群算法 | 第21-22页 |
| 2.2.4 群体智能算法在人脸检测中的应用 | 第22页 |
| 2.3 人脸检测算法 | 第22-26页 |
| 2.3.1 基于特征的人脸检测算法 | 第23页 |
| 2.3.2 基于统计的人脸检测算法 | 第23-25页 |
| 2.3.3 复杂背景下的人脸检测研究与分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于混沌变异的自适应粒子群优化算法 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 混沌理论 | 第27-30页 |
| 3.2.1 混沌简介 | 第27-28页 |
| 3.2.2 混沌映射的选取与分析 | 第28-30页 |
| 3.3 粒子群优化算法 | 第30-31页 |
| 3.4 基于混沌变异的自适应粒子群优化算法(ACPSO) | 第31-35页 |
| 3.4.1 混沌初始化和混沌变异策略 | 第31-32页 |
| 3.4.2 自适应惯性权重 | 第32-33页 |
| 3.4.3 算法流程 | 第33-35页 |
| 3.4.4 算法收敛性分析和复杂度分析 | 第35页 |
| 3.5 仿真实验与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基ACPSO改进的AdaBoost算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 AdaBoost算法 | 第39-44页 |
| 4.2.1 算法简介 | 第39-41页 |
| 4.2.2 Haar特征 | 第41页 |
| 4.2.3 积分图像 | 第41-42页 |
| 4.2.4 弱分类器的训练 | 第42-43页 |
| 4.2.5 分类器的级联 | 第43-44页 |
| 4.3 ACPSO-AdaBoost算法 | 第44-47页 |
| 4.3.1 搜索策略 | 第44-45页 |
| 4.3.2 适应度函数的定义 | 第45-46页 |
| 4.3.3 本文算法流程 | 第46-47页 |
| 4.4 仿真实验与分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第59页 |