| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 引言 | 第11-14页 |
| ·论文的研究背景 | 第11页 |
| ·头部、脸部、眼睛和嘴检测的研究现状 | 第11-12页 |
| ·本课题的意义和实现的目标 | 第12页 |
| ·论文的主要内容及结构安排 | 第12-14页 |
| 第二章 头部、脸部、眼睛和嘴检测研究综述 | 第14-26页 |
| ·概述 | 第14-15页 |
| ·头部检测的方法 | 第15-17页 |
| ·检测模型 | 第15-16页 |
| ·常用的头部检测方法 | 第16-17页 |
| ·脸部检测的方法 | 第17-23页 |
| ·基于肤色模型的方法 | 第18页 |
| ·基于先验知识的方法 | 第18-19页 |
| ·基于特征不变性的方法 | 第19页 |
| ·基于模板的方法 | 第19-20页 |
| ·神经网络的方法 | 第20页 |
| ·子空间方法 | 第20-21页 |
| ·支持向量机方法 | 第21页 |
| ·隐马尔可夫模型方法 | 第21-22页 |
| ·Boosting方法 | 第22-23页 |
| ·眼睛和嘴检测的方法 | 第23-24页 |
| ·眼睛的检测 | 第23页 |
| ·嘴的检测 | 第23-24页 |
| ·小结 | 第24-26页 |
| 第三章 基于AdaBoost算法的头部、脸部、眼睛和嘴检测 | 第26-39页 |
| ·概述 | 第26页 |
| ·基本概念 | 第26-27页 |
| ·Boosting方法基本理论 | 第27-30页 |
| ·AdaBoost方法的拓展 | 第30-32页 |
| ·离散的AdaBoost.M1算法 | 第31页 |
| ·实值AdaBoost方法 | 第31-32页 |
| ·其它的AdaBoost算法 | 第32页 |
| ·基于Haar-Like特征和AdaBoost算法的脸部检测 | 第32-36页 |
| ·积分图像和Haar-Like特征 | 第32-34页 |
| ·基于AdaBoost统计学习的特征选择和分类器生成 | 第34-35页 |
| ·层叠分类器 | 第35-36页 |
| ·头部、眼睛和嘴检测中的推广应用 | 第36-37页 |
| ·小结 | 第37-39页 |
| 第四章 实验设计与结果分析 | 第39-55页 |
| ·概述 | 第39-40页 |
| ·头部检测实验流程、结果及性能分析 | 第40-45页 |
| ·头部检测实验流程 | 第40-45页 |
| ·实验结果 | 第45页 |
| ·性能分析 | 第45页 |
| ·脸部检测实验结果及性能分析 | 第45-46页 |
| ·实验结果 | 第45-46页 |
| ·性能分析 | 第46页 |
| ·眼睛检测实验流程、结果及性能分析 | 第46-50页 |
| ·眼睛检测实验流程 | 第46-48页 |
| ·实验结果 | 第48-50页 |
| ·性能分析 | 第50页 |
| ·嘴部检测实验流程、结果及性能分析 | 第50-54页 |
| ·嘴部检测实验流程 | 第50-52页 |
| ·实验结果 | 第52-54页 |
| ·性能分析 | 第54页 |
| ·小结 | 第54-55页 |
| 结束语 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者在学期间取得的学术成果 | 第62页 |
