| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景及意义 | 第8-9页 |
| ·人脸检测的现状和难点 | 第9-10页 |
| ·人脸识别的现状和难点 | 第10-12页 |
| ·本文研究工作的概述 | 第12页 |
| ·本文的组织 | 第12-14页 |
| 第二章 复杂背景下的人脸检测 | 第14-31页 |
| ·人脸检测技术的概述 | 第14-15页 |
| ·人脸检测技术的主要方法 | 第15页 |
| ·基于知识的方法 | 第15页 |
| ·基于人脸局部特征的方法 | 第15页 |
| ·基于统计信息的方法 | 第15页 |
| ·本文采用的方法 | 第15-16页 |
| ·AdaBoost方法介绍 | 第16-18页 |
| ·训练部分 | 第18页 |
| ·检测部分 | 第18页 |
| ·矩形特征 | 第18-20页 |
| ·矩形特征的形状 | 第18-19页 |
| ·矩形特征的计算 | 第19-20页 |
| ·训练分类器 | 第20-25页 |
| ·弱分类器(Weak Classifier) | 第21-22页 |
| ·强分类器(Strong Classifier) | 第22-23页 |
| ·级联强分类器(Cascade Strong Classifier) | 第23-24页 |
| ·检测率和误检率 | 第24-25页 |
| ·检测人脸 | 第25-30页 |
| ·传统检测人脸的方法 | 第25-26页 |
| ·AdaBoost检测人脸的方法 | 第26-27页 |
| ·AdaBoost检测人脸流程介绍 | 第27-30页 |
| ·预处理 | 第27页 |
| ·检测的流程 | 第27-29页 |
| ·后处理 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 复杂背景下的人脸识别 | 第31-43页 |
| ·人脸识别技术的综述 | 第31页 |
| ·人脸识别技术的现状和发展 | 第31-32页 |
| ·人脸识别技术的主要方法 | 第32-35页 |
| ·基于局部特征的人脸识别方法 | 第32-34页 |
| ·基于整体的人脸识别方法 | 第34-35页 |
| ·基于将局部和整体结合起来的人脸识别方法 | 第35页 |
| ·本文采用的方法 | 第35-36页 |
| ·主元分析(PCA)介绍 | 第36-37页 |
| ·线性判决分析(LDA)介绍 | 第37-38页 |
| ·主元分析和线性判决分析结合(PCA+LDA)方法介绍 | 第38-39页 |
| ·Foley-Sammon最佳鉴别集介绍 | 第39-40页 |
| ·分类器 | 第40-42页 |
| ·最近邻分类器(Nearest Neighbor or NN)介绍 | 第41页 |
| ·支持向量机(SVM)介绍 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 人脸检测与识别系统的实现 | 第43-62页 |
| ·开发工具的介绍 | 第43-45页 |
| ·VC++ 6.0介绍 | 第43-44页 |
| ·OpenCV介绍 | 第44页 |
| ·MATLAB介绍 | 第44-45页 |
| ·系统的总体设计方案 | 第45页 |
| ·试验环境 | 第45-46页 |
| ·实现步骤 | 第46-54页 |
| ·图像的读入 | 第46-47页 |
| ·24位RGB转灰度图像 | 第47-48页 |
| ·人脸检测 | 第48-49页 |
| ·图像的预处理 | 第49-52页 |
| ·人脸识别 | 第52-54页 |
| ·程序界面的介绍 | 第54-56页 |
| ·部分测试样本的检测和识别结果 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结束语 | 第62-64页 |
| ·本文工作的小结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
