| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 研究现状 | 第10-11页 |
| 1.4 人脸识别技术应用领域 | 第11-12页 |
| 1.5 人脸识别算法 | 第12-15页 |
| 1.6 本文研究创新点及结构 | 第15页 |
| 1.7 文章结构安排 | 第15-17页 |
| 第二章 Haar-like特征和积分图 | 第17-26页 |
| 2.1 Haar-like特征 | 第17-18页 |
| 2.2 Haar-like特征的计算 | 第18-22页 |
| 2.2.1 计算检测器基本特征矩形的数量 | 第19-22页 |
| 2.3 积分图 | 第22-24页 |
| 2.3.1 利用积分图计算Haar-like特征 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于Haar-like和Ada Boost结合的人脸位置检测算法 | 第26-32页 |
| 3.1 Boosting算法简介 | 第26页 |
| 3.2 AdaBoost算法 | 第26-28页 |
| 3.3 AdaBoost算法在人脸检测中的应用 | 第28-31页 |
| 3.3.1 人脸检测原理 | 第28-29页 |
| 3.3.2 Haar-like特征提取 | 第29页 |
| 3.3.3 积分图 | 第29-30页 |
| 3.3.4 Ada Boost人脸检测算法在Matlab上的实现 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于2DPCA-Ada Boost的人脸位置检测算法 | 第32-40页 |
| 4.1 PCA概述 | 第32-35页 |
| 4.1.1 PCA原理 | 第33-34页 |
| 4.1.2 选取特征值 | 第34页 |
| 4.1.3 分类判别 | 第34-35页 |
| 4.2 基于二维主成分分析(2DPCA)的人脸位置检测算法 | 第35-37页 |
| 4.2.1 人脸特征提取 | 第36页 |
| 4.2.2 人脸图像识别 | 第36-37页 |
| 4.2.3 Ada Boost算法 | 第37页 |
| 4.3 2DPCA-AdaBoost人脸识别算法在Matlab上的实现 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-41页 |
| 5.1 本文工作总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读研究生期间的主要成果 | 第44-45页 |
| 致谢 | 第45页 |
