| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 性别识别与年龄估计问题概述 | 第12-13页 |
| 1.2 性别识别与年龄估计的研究意义与应用 | 第13-14页 |
| 1.3 性别识别与年龄估计方法研究现状 | 第14-17页 |
| 1.3.1 基于人脸图像的性别识别方法研究现状 | 第14-15页 |
| 1.3.2 基于人脸图像的年龄估计方法研究现状 | 第15-17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-20页 |
| 第2章 人脸检测与双眼定位算法 | 第20-38页 |
| 2.1 人脸检测技术概述 | 第20-21页 |
| 2.1.1 基于知识的人脸检测方法 | 第20-21页 |
| 2.1.2 基于统计的人脸检测方法 | 第21页 |
| 2.2 基于Haar-like特征与Adaboost算法的人脸检测 | 第21-30页 |
| 2.2.1 Harr-like特征 | 第21-24页 |
| 2.2.2 adaboost算法 | 第24-25页 |
| 2.2.3 级联分类器 | 第25页 |
| 2.2.4 人脸检测算法步骤 | 第25-28页 |
| 2.2.5 实验结果与分析 | 第28-30页 |
| 2.3 人眼定位算法 | 第30-34页 |
| 2.3.1 基于Adaboost的双眼粗略定位 | 第31-32页 |
| 2.3.2 基于积分投影的双眼精确定位 | 第32-34页 |
| 2.4 人脸图像裁剪 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 基于人脸图像的性别识别算法 | 第38-56页 |
| 3.1 性别识别问题概述 | 第38-39页 |
| 3.2 人脸特征提取 | 第39-45页 |
| 3.2.1 LBP特征提取 | 第39-42页 |
| 3.2.2 HOG特征提取 | 第42-45页 |
| 3.3 人脸性别识别分类器 | 第45-52页 |
| 3.3.1 分类器概述 | 第45-46页 |
| 3.3.2 支持向量机 | 第46-52页 |
| 3.4 人脸性别分类实验结果及分析 | 第52-54页 |
| 3.4.1 人脸性别数据库介绍 | 第52页 |
| 3.4.2 实验结果及分析 | 第52-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第4章 基于人脸图像的年龄估计算法 | 第56-74页 |
| 4.1 年龄估计问题阐述 | 第56-57页 |
| 4.2 卷积神经网络概述 | 第57-60页 |
| 4.2.1 概述 | 第57页 |
| 4.2.2 CNN基本思想 | 第57-60页 |
| 4.3 卷积神经网络结构 | 第60-65页 |
| 4.3.1 卷积层 | 第60-61页 |
| 4.3.2 池化层 | 第61-62页 |
| 4.3.3 分类器 | 第62-65页 |
| 4.4 卷积神经网络的训练 | 第65-68页 |
| 4.4.1 卷积神经网络的有监督学习 | 第65-67页 |
| 4.4.2 卷积神经网络的无监督学习 | 第67-68页 |
| 4.5 人脸年龄估计实验结果及分析 | 第68-72页 |
| 4.5.1 人脸年龄数据库介绍 | 第68-69页 |
| 4.5.2 实验结果及分析 | 第69-72页 |
| 4.6 本章小结 | 第72-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82页 |