| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目次 | 第8-10页 |
| 图清单 | 第10-11页 |
| 表清单 | 第11-12页 |
| 1 绪论 | 第12-20页 |
| ·课题研究背景和意义 | 第12-13页 |
| ·人脸检测的研究概述 | 第13-18页 |
| ·人脸检测技术国内外研究情况 | 第13-17页 |
| ·人脸检测的评价标准 | 第17-18页 |
| ·本文研究的主要内容 | 第18-20页 |
| ·论文的研究意义 | 第18页 |
| ·论文的组织 | 第18-19页 |
| ·论文的主要工作及创新 | 第19-20页 |
| 2 矩形特征和积分图 | 第20-29页 |
| ·引言 | 第20页 |
| ·Haar 特征 | 第20-24页 |
| ·Haar 特征概述 | 第20-21页 |
| ·特征模板 | 第21-22页 |
| ·图像中 Haar 特征总数的计算 | 第22-24页 |
| ·积分图简介 | 第24-28页 |
| ·积分图的定义 | 第24-27页 |
| ·计算矩形特征值 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 AdaBoost 人脸检测算法的优化 | 第29-46页 |
| ·引言 | 第29页 |
| ·AdaBoost 算法介绍 | 第29-38页 |
| ·Boosting 算法 | 第29-30页 |
| ·AdaBoost 算法 | 第30-35页 |
| ·AdaBoost 算法在人脸检测中的应用 | 第35-38页 |
| ·基于高斯分布的人脸分布模型及单幅人脸权重模型 | 第38-42页 |
| ·人脸分布模型 | 第38-40页 |
| ·单幅人脸权重模型 | 第40-42页 |
| ·AdaBoost 人脸检测算法的改进 | 第42-43页 |
| ·AdaBoost 算法检测机制 | 第42-43页 |
| ·改进后的 AdaBoost 人脸检测算法 | 第43页 |
| ·实验结果和分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于优化的 AdaBoost 及 BP 神经网络模型的人脸检测算法 | 第46-57页 |
| ·引言 | 第46页 |
| ·前馈型神经网络 | 第46-52页 |
| ·BP 神经网络模型 | 第47-48页 |
| ·BP 学习算法 | 第48-51页 |
| ·BP 学习算法实现步骤 | 第51-52页 |
| ·以优化后的 AdaBoost 算法为基础的 BP 神经网络模型 | 第52-54页 |
| ·实验结果和分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| ·研究工作总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者简历 | 第63页 |
| 攻读硕士学位期间获得的学术成果 | 第63页 |