| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-10页 |
| 1.2 人脸检测方法的发展与研究现状 | 第10-12页 |
| 1.3 本文主要研究内容和结构安排 | 第12-14页 |
| 第2章 仿生检测和识别算法 | 第14-28页 |
| 2.1 进化 Agent 算法 | 第14-19页 |
| 2.2 仿生模式识别（拓扑模式识别） | 第19-21页 |
| 2.3 支持向量机 | 第21-24页 |
| 2.3.1 二分类器 | 第22-23页 |
| 2.3.2 多类的分类问题 | 第23-24页 |
| 2.4 自组织增量神经网络 | 第24-27页 |
| 2.4.1 SOINN 理论简介 | 第24-26页 |
| 2.4.2 SOINN 应用 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于 PCA 与 AP 聚类的 SVM 分类器设计 | 第28-41页 |
| 3.1 基于 PCA 的特征提取和维数约简 | 第28-33页 |
| 3.1.1 总体主成分的定义 | 第28-29页 |
| 3.1.2 总体主成分的求法 | 第29-30页 |
| 3.1.3 奇异值分解 | 第30页 |
| 3.1.4 PCA 在图像处理中的降维作用 | 第30-31页 |
| 3.1.5 PCA 在克服变量多重相关性中的局限作用 | 第31-33页 |
| 3.2 AP 聚类算法 | 第33-37页 |
| 3.2.1 AP 聚类算法理论与研究 | 第34-36页 |
| 3.2.2 AP 聚类算法的实现步骤 | 第36-37页 |
| 3.3 SVM 分类器设计 | 第37-39页 |
| 3.4 分类器性能的评价标准 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 多姿态多人脸检测的实现 | 第41-57页 |
| 4.1 仿生人脸检测系统 | 第41-49页 |
| 4.1.1 图像预处理 | 第41-43页 |
| 4.1.2 分类器的训练与测试 | 第43-46页 |
| 4.1.3 人脸待检测候选区域的获得 | 第46-48页 |
| 4.1.4 重复标记窗口的后处理 | 第48-49页 |
| 4.2 人脸检测系统的评价指标 | 第49-50页 |
| 4.3 人脸检测验证 | 第50-56页 |
| 4.3.1 本文方法与传统方法在 ORL 人脸数据库上的检测结果比较 | 第50-51页 |
| 4.3.2 本文方法与传统方法在 MIT 测试集上的检测结果比较 | 第51页 |
| 4.3.3 基于本文方法的多姿态多人脸检测 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间取得的学术成果 | 第63-64页 |
| 致谢 | 第64页 |
