| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 概述 | 第7-17页 |
| ·人脸检测概述 | 第7-9页 |
| ·人脸检测的概念及意义 | 第7-8页 |
| ·人脸检测与机器学习算法的联系 | 第8-9页 |
| ·课题来源及意义 | 第9页 |
| ·国内外研究动态 | 第9-15页 |
| ·基于人脸特征的方法 | 第10-13页 |
| ·模板匹配 | 第13页 |
| ·基于人脸外观的方法 | 第13-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 机器学习算法基础 | 第17-26页 |
| ·机器学习算法基础 | 第17-19页 |
| ·ADABOOST学习算法及其性能分析 | 第19-24页 |
| ·Adaboost算法 | 第19-20页 |
| ·Adaboost算法分析 | 第20-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 HARR-LIKE特征及其特征值快速计算方法 | 第26-34页 |
| ·最初的HARR-LIKE特征 | 第27-29页 |
| ·特征库 | 第27-28页 |
| ·Harr-like特征的快速计算 | 第28-29页 |
| ·扩展的HARR-LIKE特征 | 第29-32页 |
| ·扩展的特征库 | 第29-30页 |
| ·特征值的快速计算 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 HARR-LIKE特征生成弱分类器方法研究 | 第34-38页 |
| ·原弱分类器的设计 | 第34页 |
| ·新的弱分类器生成方法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 一个快速的正面人脸检测系统 | 第38-54页 |
| ·样本集 | 第38页 |
| ·预处理 | 第38-39页 |
| ·弱学习过程 | 第39-41页 |
| ·一个200特征的强分类器 | 第41-46页 |
| ·生成200特征强分类器 | 第41-42页 |
| ·原始Harr-like特征和扩展的Harr-like特征的比较 | 第42-43页 |
| ·原始特征两种不同弱分类器构建方法的比较 | 第43-44页 |
| ·总结 | 第44-46页 |
| ·分级分类器的构建 | 第46-49页 |
| ·使用分级分类器进行人脸检测 | 第49-50页 |
| ·分级分类器的实验结果 | 第50页 |
| ·检测实例 | 第50-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 致谢 | 第61页 |
