| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·人脸检测研究的意义 | 第7页 |
| ·国内外研究动态 | 第7-12页 |
| ·基于几何特征的方法 | 第8-9页 |
| ·基于肤色模型的方法 | 第9页 |
| ·基于统计理论的方法 | 第9-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 2 基于AdaBoost算法的人脸检测 | 第13-25页 |
| ·集成机器学习 | 第13-14页 |
| ·弱学习与强学习 | 第13-14页 |
| ·集成方式 | 第14页 |
| ·AdaBoost算法 | 第14-16页 |
| ·算法原理描述 | 第14-15页 |
| ·算法性能分析 | 第15-16页 |
| ·基于AdaBoost算法的人脸检测方案 | 第16-23页 |
| ·Harr-like特征 | 第16-17页 |
| ·积分图 | 第17-19页 |
| ·弱分类器 | 第19-20页 |
| ·变种的AdaBoost | 第20-21页 |
| ·级联分类器 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 3 AdaBoost人脸检测算法若干问题研究及算法的改进 | 第25-57页 |
| ·训练系统框架 | 第25-26页 |
| ·训练系统设计 | 第26-34页 |
| ·弱学习过程 | 第26-27页 |
| ·存储分类结果 | 第27-28页 |
| ·强分类器训练 | 第28-33页 |
| ·训练级联分类器 | 第33-34页 |
| ·算法分析及改进 | 第34-42页 |
| ·训练时间复杂度 | 第34-35页 |
| ·检测速度分析 | 第35-37页 |
| ·弱学习算法 | 第37-40页 |
| ·CS-AdaBoost | 第40-42页 |
| ·特征组合 | 第42-48页 |
| ·扩展特征库 | 第42-44页 |
| ·特征扩展的意义 | 第44页 |
| ·两个特征库比较 | 第44-48页 |
| ·训练集 | 第48-56页 |
| ·样本集规模 | 第48-50页 |
| ·人脸样本集 | 第50-52页 |
| ·非人脸样本集 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 4 检测及实验结果 | 第57-65页 |
| ·检测系统 | 第57-58页 |
| ·检测策略 | 第57-58页 |
| ·后处理 | 第58页 |
| ·评价标准 | 第58-59页 |
| ·性能比较 | 第59-61页 |
| ·检测率及误检率 | 第59-60页 |
| ·检测速度 | 第60-61页 |
| ·检测结果示例 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| ·本文工作总结 | 第65页 |
| ·下一步工作展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |