| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 人脸检测的国内外研究现状与难点 | 第10-11页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 研究难点 | 第11页 |
| 1.3 本文主要研究内容及结构安排 | 第11-13页 |
| 第二章 人脸检测相关算法综述 | 第13-22页 |
| 2.1 基于先验知识的人脸检测算法 | 第13-16页 |
| 2.1.1 基于人脸器官特征的人脸检测算法 | 第13-14页 |
| 2.1.2 基于模板匹配的人脸检测算法 | 第14-15页 |
| 2.1.3 基于边缘特征的人脸检测算法 | 第15页 |
| 2.1.4 基于肤色模型的人脸检测算法 | 第15-16页 |
| 2.2 基于统计模型的人脸检测算法 | 第16-20页 |
| 2.2.1 基于特征空间的人脸检测算法 | 第16-17页 |
| 2.2.2 基于人工神经网络的研究 | 第17-18页 |
| 2.2.3 基于支持向量机的研究算法 | 第18-19页 |
| 2.2.4 基于概率模型的研究算法 | 第19-20页 |
| 2.3 人脸检测的性能评价标准 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于改进PSO与K均值聚类肤色分割的人脸检测 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 算法流程 | 第22-23页 |
| 3.3 人脸光照补偿处理 | 第23-24页 |
| 3.4 颜色空间的选取 | 第24-26页 |
| 3.5 PSO与K均值聚类综合的肤色分割方法 | 第26-29页 |
| 3.5.1 PSO算法的介绍 | 第26-27页 |
| 3.5.2 综合聚类法 | 第27页 |
| 3.5.3 K均值聚类法操作时机的确定方法 | 第27-28页 |
| 3.5.4 PSO与K均值综合肤色分割方法步骤 | 第28-29页 |
| 3.6 非人脸区域去噪 | 第29页 |
| 3.7 改进AdaBoost算法的人脸检测 | 第29-31页 |
| 3.8 实验结果分析 | 第31-33页 |
| 3.9 本章小结 | 第33-34页 |
| 第四章 基于肤色分割和特征定位的多人脸检测研究 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 肤色分割原理 | 第34-37页 |
| 4.2.1 图像光照补偿 | 第34-36页 |
| 4.2.2 肤色分割 | 第36页 |
| 4.2.3 非肤色去除 | 第36-37页 |
| 4.3 改进AdaBoost算法人脸验证 | 第37-38页 |
| 4.4 人眼特征检测 | 第38-42页 |
| 4.4.1 类Haar特征 | 第38-39页 |
| 4.4.2 人眼检测过程 | 第39-41页 |
| 4.4.3 人眼定位算法 | 第41-42页 |
| 4.5 实验结果分析 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 硕士研究生期间发表论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |