| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 图表目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·视频监控系统现状 | 第9-10页 |
| ·人脸检测研究现状 | 第10-16页 |
| ·人脸检测相关研究背景 | 第10-11页 |
| ·人脸检测研究进展 | 第11-14页 |
| ·涉及的学科和理论 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·论文的任务 | 第16页 |
| ·本文的研究内容 | 第16-17页 |
| ·本文的主要贡献 | 第17页 |
| ·论文各章节内容安排 | 第17-19页 |
| 第二章 肤色区域检测 | 第19-38页 |
| ·色彩空间 | 第19-23页 |
| ·RGB 色彩空间 | 第19-20页 |
| ·HIS 色彩空间 | 第20-21页 |
| ·YES 色彩空间 | 第21-22页 |
| ·YUV 色彩空间 | 第22页 |
| ·YCbCr 色彩空间 | 第22-23页 |
| ·YIQ 色彩空间 | 第23页 |
| ·色彩空间的选择 | 第23-25页 |
| ·色彩空间的选择 | 第23-24页 |
| ·人脸肤色模型 | 第24-25页 |
| ·基于肤色信息的备选人脸区域分割方法 | 第25-30页 |
| ·计算肤色像素点 | 第26-29页 |
| ·图像去噪 | 第29-30页 |
| ·获取备选人脸区域 | 第30页 |
| ·肤色区域检测算法的具体实现和改进 | 第30-37页 |
| ·利用视频图像前序帧简化肤色运算 | 第30-32页 |
| ·结合肤色知识规则简化肤色计算 | 第32-33页 |
| ·使用在二值化图像中特殊的中值滤波去除图像噪声 | 第33-34页 |
| ·肤色区域检测的算法流程 | 第34-35页 |
| ·肤色检测算法效果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于模板匹配的人脸检测 | 第38-51页 |
| ·模板匹配 | 第38页 |
| ·基于模板匹配的人脸检测 | 第38-39页 |
| ·基于肤色分割和模板匹配的人脸检测 | 第39-43页 |
| ·灰度人脸模板匹配算法 | 第40-42页 |
| ·二值人脸肤色模板匹配算法 | 第42-43页 |
| ·算法的具体实现及实验结果 | 第43-50页 |
| ·模板的生成 | 第43-44页 |
| ·算法效果分析 | 第44-46页 |
| ·实时检测环境中的检测效果 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于 AdaBoost 的人脸检测算法 | 第51-66页 |
| ·级联分类器 | 第51-52页 |
| ·分类器的设计 | 第52-55页 |
| ·特征选择 | 第52-53页 |
| ·特征计算 | 第53-55页 |
| ·分类器训练 | 第55-57页 |
| ·训练目标设定 | 第55-56页 |
| ·训练算法 | 第56-57页 |
| ·基于 OpenCV 的 AdaBoost 人脸检测 | 第57-59页 |
| ·结果分析 | 第59-64页 |
| ·AdaBoost 算法效果分析 | 第59-62页 |
| ·实时检测环境中的检测效果 | 第62-64页 |
| ·基于肤色检测的模版匹配算法和 AdaBoost 算法在实时检测环境中的效果比较 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 实验总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |