基于支持向量机的彩色人脸检测技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 前言 | 第9-15页 |
| ·应用背景及理论实践意义 | 第9-10页 |
| ·人脸检测识别技术现状与发展动态 | 第10-14页 |
| ·人脸检测方法 | 第11-12页 |
| ·特征抽取 | 第12-14页 |
| ·本文内容安排 | 第14-15页 |
| 第2章 基于边缘检测的人脸检测 | 第15-27页 |
| ·图像边缘检测 | 第15-22页 |
| ·图像梯度 | 第16-17页 |
| ·边缘检测算法 | 第17-22页 |
| ·人脸外轮廓线的提取方法 | 第22-26页 |
| ·图像去噪音预处理 | 第22-23页 |
| ·边缘的初提取 | 第23-24页 |
| ·抛物线方法做边缘连接 | 第24-26页 |
| ·实验结论 | 第26-27页 |
| 第3章 基于肤色模型的人脸检测 | 第27-37页 |
| ·色彩空间及其选择 | 第27-28页 |
| ·色彩系统及肤色模型 | 第28-32页 |
| ·YCrCb色彩系统 | 第28页 |
| ·YCrCb空间的非线性转换 | 第28-31页 |
| ·人脸肤色建模 | 第31-32页 |
| ·肤色检测相关图像处理技术 | 第32-34页 |
| ·光线补偿 | 第32页 |
| ·膨胀与腐蚀 | 第32-34页 |
| ·肤色分割实验结果 | 第34-35页 |
| ·小计算量特征检测小结 | 第35-37页 |
| 第4章 支持向量机人脸检测技术 | 第37-53页 |
| ·机器学习与统计学习理论 | 第37-42页 |
| ·机器学习问题 | 第37-38页 |
| ·统计学习理论 | 第38-42页 |
| ·支持向量机理论 | 第42-46页 |
| ·支持向量机方法 | 第42-44页 |
| ·核函数 | 第44-45页 |
| ·支持向量机的人脸检测研究 | 第45-46页 |
| ·支持向量分类应用于多尺度人脸肤色检测 | 第46-51页 |
| ·主成分分析提取特征 | 第46-48页 |
| ·支持向量机的训练 | 第48-49页 |
| ·多人脸多尺度检测 | 第49-51页 |
| ·实验结果 | 第51-53页 |
| 第5章 系统实现以及总结展望 | 第53-58页 |
| ·系统实现 | 第53-56页 |
| ·试验工具及其平台 | 第53-55页 |
| ·程序流程图 | 第55-56页 |
| ·总结及展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 硕士在学期间发表的论文及专业书籍 | 第62-63页 |
| 致谢 | 第63页 |
