| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于Adaboost算法的人脸检测 | 第10页 |
| 1.2.2 基于支持向量机的人脸检测 | 第10-11页 |
| 1.2.3 基于卷积神经网络的人脸检测 | 第11-12页 |
| 1.2.4 基于图像检索的人脸检测 | 第12-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 论文主要工作及章节安排 | 第14-17页 |
| 第二章 人脸的特征编码 | 第17-27页 |
| 2.1 人脸的特征描述子概述 | 第17-18页 |
| 2.2 Haar-like特征 | 第18-20页 |
| 2.3 HOG特征 | 第20-23页 |
| 2.4 Integral Channel特征 | 第23-25页 |
| 2.5 小结 | 第25-27页 |
| 第三章 提升树模型 | 第27-35页 |
| 3.1 Adaboost算法 | 第27-31页 |
| 3.1.1 Adaboost算法流程 | 第27页 |
| 3.1.2 Adaboost算法分析 | 第27-31页 |
| 3.2 决策树 | 第31-32页 |
| 3.2.1 CART算法 | 第31-32页 |
| 3.3 提升树在人脸检测中的应用 | 第32-33页 |
| 3.4 小结 | 第33-35页 |
| 第四章 SoR Cascade分类器训练算法 | 第35-45页 |
| 4.1 分类器训练算法 | 第35-37页 |
| 4.2 阈值训练算法 | 第37-38页 |
| 4.3 算法优化 | 第38-39页 |
| 4.3.1 训练算法复杂度分析 | 第38-39页 |
| 4.3.2 训练算法速度优化 | 第39页 |
| 4.4 算法调试实验 | 第39-43页 |
| 4.4.1 训练算法参数实验 | 第40-41页 |
| 4.4.2 策略对比实验 | 第41-42页 |
| 4.4.3 改进后训练算法与原始的算法对比实验 | 第42-43页 |
| 4.5 小结 | 第43-45页 |
| 第五章 多尺度下检测人脸 | 第45-51页 |
| 5.1 人脸定位 | 第45-47页 |
| 5.1.1 尺度 | 第45-46页 |
| 5.1.2 姿态 | 第46-47页 |
| 5.2 窗口合并 | 第47-49页 |
| 5.2.1 Viola-Jones窗口合并 | 第47页 |
| 5.2.2 非最大化抑制 | 第47页 |
| 5.2.3 贪心非最大化抑制 | 第47页 |
| 5.2.4 基于meanshift算法的非最大化抑制 | 第47-49页 |
| 5.3 窗口合并策略对比实验 | 第49-50页 |
| 5.4 完整的检测算法 | 第50页 |
| 5.5 小结 | 第50-51页 |
| 第六章 实验 | 第51-59页 |
| 6.1 Soft Cascade检测器与Viola-Jones对比实验 | 第51-52页 |
| 6.1.1 实验设定 | 第51页 |
| 6.1.2 实验结果 | 第51-52页 |
| 6.2 特征对比实验 | 第52-54页 |
| 6.2.1 实验设定 | 第53页 |
| 6.2.2 实验结果 | 第53-54页 |
| 6.3 多姿态人脸检测器 | 第54-56页 |
| 6.3.1 训练数据 | 第54-55页 |
| 6.3.2 训练算法 | 第55页 |
| 6.3.3 检测结果 | 第55-56页 |
| 6.4 实验结果分析 | 第56-57页 |
| 6.4.1 Soft Cascade与Viola-Jones的对比实验结果分析 | 第56页 |
| 6.4.2 特征对比实验结果分析 | 第56-57页 |
| 6.4.3 多姿态人脸检测器对比实验结果分析 | 第57页 |
| 6.5 小结 | 第57-59页 |
| 第七章 总结与展望 | 第59-61页 |
| 7.1 总结 | 第59-60页 |
| 7.2 展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者在攻读硕士学位期间发表的论文和成果 | 第67页 |
