基于Adaboost算法的人脸检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·引言 | 第8页 |
| ·人脸检测技术研究的目的及现状 | 第8-9页 |
| ·人脸检测方法简介 | 第9-14页 |
| ·基于特征的检测方法 | 第9-10页 |
| ·基于统计模型的检测方法 | 第10-11页 |
| ·常用的人脸检测方法简介 | 第11-14页 |
| ·人脸检测的评价标准 | 第14-15页 |
| ·本文研究主要的内容 | 第15-17页 |
| ·研究目的及意义 | 第15页 |
| ·论文的组织 | 第15页 |
| ·论文的主要工作及创新 | 第15-17页 |
| 第2章 Adaboost算法 | 第17-25页 |
| ·Boosting算法背景 | 第17-18页 |
| ·Adaboost算法的提出 | 第18-19页 |
| ·Adaboost算法的理论分析 | 第19-21页 |
| ·训练误差 | 第19-20页 |
| ·泛化误差 | 第20-21页 |
| ·Adaboost算法在人脸检测中的应用 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 Adaboost算法的检测原理与实现方法 | 第25-44页 |
| ·Adaboost算法概述 | 第25-32页 |
| ·Haar特征 | 第25-28页 |
| ·积分图像 | 第28-32页 |
| ·Adaboost算法的训练过程 | 第32-37页 |
| ·训练样本的选择 | 第32-34页 |
| ·训练过程的选择 | 第34-37页 |
| ·级联分类器的使用与设计 | 第37-38页 |
| ·Adaboost算法的检测过程 | 第38-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 Adaboost算法的优化 | 第44-50页 |
| ·Adaboost算法中存在的问题 | 第44-45页 |
| ·训练过程优化 | 第45-47页 |
| ·Haar特征扩展 | 第45-46页 |
| ·优化结果与分析 | 第46-47页 |
| ·Adaboost算法的检测过程的优化 | 第47-49页 |
| ·肤色模型 | 第47-48页 |
| ·光照补偿 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 Adaboost算法训练过程的并行化 | 第50-57页 |
| ·并行计算 | 第50-52页 |
| ·Adaboost算法的并行化实现 | 第52-56页 |
| ·数据文件组织 | 第53页 |
| ·特征值排序的并行化 | 第53-55页 |
| ·训练弱分类的并行化 | 第55-56页 |
| ·实验结果与分析 | 第56页 |
| ·本章总结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·今后的工作 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 在读期间发表的学术论文与取得的研究成果 | 第63页 |
