| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12页 |
| ·人脸检测综述 | 第12-19页 |
| ·人脸检测的难点 | 第12-13页 |
| ·人脸检测方法 | 第13-17页 |
| ·人脸图像数据库 | 第17页 |
| ·自建人脸图像数据库 | 第17-19页 |
| ·论文的研究内容 | 第19页 |
| ·论文的结构 | 第19-21页 |
| 第2章 人脸图像预处理 | 第21-29页 |
| ·引言 | 第21页 |
| ·参考白 | 第21-22页 |
| ·直方图均衡技术 | 第22-24页 |
| ·滤波 | 第24-28页 |
| ·均值滤波法 | 第24-25页 |
| ·中值滤波法 | 第25-26页 |
| ·低通滤波法 | 第26-27页 |
| ·高斯平滑滤波器 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于AdaBoost 算法的人脸检测 | 第29-43页 |
| ·Boosting 算法 | 第29页 |
| ·AdaBoost 算法 | 第29页 |
| ·AdaBoost 算法原理描述 | 第29-31页 |
| ·基于AdaBoost 算法的人脸检测方案 | 第31页 |
| ·矩形特征 | 第31-33页 |
| ·矩形特征描述 | 第31-32页 |
| ·矩形特征值的计算 | 第32页 |
| ·矩形特征数量 | 第32-33页 |
| ·积分图 | 第33-34页 |
| ·分类器 | 第34-38页 |
| ·弱分类器 | 第34-35页 |
| ·强分类器 | 第35-37页 |
| ·级联分类器 | 第37-38页 |
| ·训练过程的实验 | 第38-39页 |
| ·训练样本与训练环境 | 第38页 |
| ·训练结果与讨论 | 第38-39页 |
| ·AdaBoost 算法存在的问题 | 第39页 |
| ·算法的改进 | 第39-42页 |
| ·减少矩形特征数量 | 第39-40页 |
| ·改变弱分类器训练方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于肤色和AdaBoost 算法的人脸检测 | 第43-62页 |
| ·AdaBoost 算法的优缺点 | 第43页 |
| ·肤色检测的优缺点 | 第43页 |
| ·基于肤色和AdaBoost 算法的人脸检测 | 第43页 |
| ·肤色分割 | 第43-44页 |
| ·颜色空间 | 第44-47页 |
| ·RGB 颜色空间 | 第44-45页 |
| ·亮度归一化的r g b 颜色空间 | 第45页 |
| ·HSV 颜色空间 | 第45-46页 |
| ·YCbCr 空间 | 第46-47页 |
| ·颜色空间的选择 | 第47页 |
| ·肤色模型 | 第47-49页 |
| ·YCbCr 空间中的肤色模型 | 第48-49页 |
| ·肤色模型的选择 | 第49页 |
| ·肤色区域分割 | 第49-53页 |
| ·肤色似然图 | 第50-51页 |
| ·图像二值化 | 第51-52页 |
| ·形态学处理 | 第52页 |
| ·候选人脸区域的确定 | 第52-53页 |
| ·分类器结合 | 第53-61页 |
| ·Skin Color Segmentation-AdaBoost 算法分析 | 第54-56页 |
| ·Skin Color Segmentation-AdaBoost 对比实验结果分析 | 第56-58页 |
| ·AdaBoost-Skin Color Segmentation 算法分析 | 第58-60页 |
| ·AdaBoost-Skin Color Segmentation 对比实验结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69-70页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第70-71页 |
