| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-18页 |
| ·选题的背景和意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国内外研究进展 | 第11-14页 |
| ·存在的主要问题与发展趋势 | 第14-15页 |
| ·人脸数据库 | 第15-16页 |
| ·人脸检测评价标准 | 第16页 |
| ·本论文的研究工作 | 第16-17页 |
| ·本论文各章内容的安排 | 第17-18页 |
| 2 基于肤色的人脸检测 | 第18-27页 |
| ·色彩空问 | 第19-21页 |
| ·RGB色彩空间 | 第19-20页 |
| ·YCbCr色彩空间 | 第20-21页 |
| ·肤色模型 | 第21-23页 |
| ·肤色区域分割 | 第23-25页 |
| ·肤色区域筛选 | 第25-27页 |
| 3 基于AdaBoost算法的人脸检测 | 第27-41页 |
| ·AdaBoost算法的提出与发展 | 第27-28页 |
| ·Haar特征 | 第28-30页 |
| ·积分图像 | 第30-33页 |
| ·AdaBoost算法训练样本 | 第33-35页 |
| ·级联分类器 | 第35-39页 |
| ·基于AdaBoost算法的多角度多姿态人脸检测 | 第39页 |
| ·开源计算机视觉库OpenCV | 第39-41页 |
| 4 基于肤色特征和AdaBoost算法的多角度多姿态人脸检测 | 第41-53页 |
| ·肤色和AdaBoost结合的人脸检测算法 | 第42-43页 |
| ·新的Haar特征及其计算方法 | 第43-45页 |
| ·训练分类器 | 第45-50页 |
| ·样本的获取 | 第45-46页 |
| ·训练过程 | 第46-47页 |
| ·分类器的效果 | 第47-50页 |
| ·实验结果 | 第50-53页 |
| 5 总结和展望 | 第53-55页 |
| ·本文总结 | 第53页 |
| ·不足和下一步工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |