| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·人脸检测的难点和评价标准 | 第15-17页 |
| ·人脸检测难点 | 第15-16页 |
| ·人脸检测的评价标准 | 第16-17页 |
| ·本文的研究工作及内容安排 | 第17-18页 |
| 第二章 基于 AdaBoost 算法的人脸检测 | 第18-31页 |
| ·AdaBoost 算法原理 | 第18-20页 |
| ·Haar-like 特征和积分图 | 第20-28页 |
| ·Haar-like 特征 | 第20-23页 |
| ·检测器内的矩形特征总数 | 第23-24页 |
| ·用积分图快速计算特征值 | 第24-28页 |
| ·分类器组成 | 第28-31页 |
| 第三章 AdaBoost 人脸检测算法的改进 | 第31-44页 |
| ·AdaBoost 算法的分析及改进 | 第31-34页 |
| ·判别样本扭曲 | 第31-33页 |
| ·新的权值更新公式 | 第33页 |
| ·设定权值更新上限 | 第33-34页 |
| ·改进算法训练流程 | 第34-40页 |
| ·最优弱分类器训练过程 | 第35-36页 |
| ·如何确定弱分类器的阈值 | 第36-37页 |
| ·组建强分类器 | 第37-39页 |
| ·强分类器训练次数的确定 | 第39-40页 |
| ·多层级联结构的检测率和误检率分析 | 第40页 |
| ·AdaBoost 算法在人脸检测中的应用 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 改进 AdaBoost 算法的人脸检测结果及分析 | 第44-58页 |
| ·OpenCV 开源视觉库 | 第44页 |
| ·人脸检测算法实现过程 | 第44-49页 |
| ·实验结果及分析 | 第49-57页 |
| ·检测器扫描与缩放 | 第49-50页 |
| ·算法实验结果比较 | 第50-54页 |
| ·更多实验结果 | 第54-56页 |
| ·视频图像检测效果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-59页 |
| ·总结 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |