| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题的背景和意义 | 第8-9页 |
| 1.2 人脸检测的国内外研究现状 | 第9-10页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 人脸检测的应用前景 | 第10页 |
| 1.3 人脸检测技术中的难点 | 第10-11页 |
| 1.4 本文的主要内容和结构安排 | 第11-12页 |
| 2 人脸检测算法概述 | 第12-17页 |
| 2.1 引言 | 第12页 |
| 2.2 人脸检测技术分类 | 第12-17页 |
| 2.2.1 基于几何特征的检测方法 | 第12-13页 |
| 2.2.2 基于统计理论的人脸检测方法 | 第13-15页 |
| 2.2.3 基于知识的人脸检测算法 | 第15-17页 |
| 3 基于肤色模型的人脸检测算法 | 第17-37页 |
| 3.1 引言 | 第17-21页 |
| 3.1.1 RGB颜色空间 | 第17-18页 |
| 3.1.2 归一化RGB空间 | 第18-19页 |
| 3.1.3 HSV颜色空间 | 第19-20页 |
| 3.1.4 YCbCr空间 | 第20-21页 |
| 3.2 图像预处理 | 第21-32页 |
| 3.2.1 灰度处理 | 第21-22页 |
| 3.2.2 直方图均衡化 | 第22-23页 |
| 3.2.3 噪声消除 | 第23-29页 |
| 3.2.4 形态学处理 | 第29-32页 |
| 3.3 建立肤色模型 | 第32-35页 |
| 3.4 肤色分割 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于肤色和Adaboost算法的人脸检测 | 第37-56页 |
| 4.1 引言 | 第37页 |
| 4.2 AdaBoost算法原理 | 第37-47页 |
| 4.2.1 PAC学习模型 | 第37-38页 |
| 4.2.2 Haar特征 | 第38-43页 |
| 4.2.3 Adaboost算法 | 第43-44页 |
| 4.2.4 级联分类器 | 第44-47页 |
| 4.3 基于肤色和Adaboost算法的人脸检测系统 | 第47-48页 |
| 4.3.1 系统框架 | 第47页 |
| 4.3.2 人脸候选区域剔除 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |