| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 人脸检测问题研究的背景及意义 | 第9-10页 |
| 1.2 人脸检测的研究进展及现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 人脸检测算法的评价 | 第13-14页 |
| 1.4 多视角人脸检测技术 | 第14-15页 |
| 1.5 论文研究的主要内容 | 第15页 |
| 1.6 论文的章节安排 | 第15-17页 |
| 2 人脸检测方法综述 | 第17-24页 |
| 2.1 基于知识的方法. | 第17-19页 |
| 2.2 基于特征的方法. | 第19-20页 |
| 2.3 基于模板匹配的方法 | 第20-22页 |
| 2.4 基于统计学习的方法 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 3 AdaBoost 的基本概念及训练样本的预处理 | 第24-39页 |
| 3.1 人脸训练样本的收集 | 第24-25页 |
| 3.2 样本的灰度归一化 | 第25-27页 |
| 3.2.1 图像灰化 | 第25页 |
| 3.2.2 直方图均衡化 | 第25-27页 |
| 3.3 样本旋转和缩放 | 第27-29页 |
| 3.3.1 样本旋转变换 | 第27-28页 |
| 3.3.2 样本尺度变换 | 第28-29页 |
| 3.4 AdaBoost 的基本概念 | 第29-38页 |
| 3.4.1 积分图像 | 第29-31页 |
| 3.4.2 人脸图像Haar-Like 特征 | 第31-35页 |
| 3.4.3 基本的AdaBoost 算法 | 第35-38页 |
| 3.5 小结 | 第38-39页 |
| 4 基于肤色模型及AdaBoost 并联分类器的多视角人脸检测 | 第39-51页 |
| 4.1 肤色模型 | 第39-41页 |
| 4.2 角度旋转 | 第41-43页 |
| 4.3 分类器的研究与设计 | 第43-50页 |
| 4.3.1 角度空间划分及实现 | 第43-45页 |
| 4.3.2 AdaBoost 算法形成分类器具体过程 | 第45-50页 |
| 4.4 小结 | 第50-51页 |
| 5 多视角人脸检测系统的实现 | 第51-56页 |
| 5.1 人脸检测系统的开发环境 | 第51页 |
| 5.2 系统的检测流程 | 第51-52页 |
| 5.3 检测窗口的设计 | 第52-53页 |
| 5.4 检测结果实例 | 第53-54页 |
| 5.5 系统实验结果与比较 | 第54-55页 |
| 5.6 小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集. | 第62-63页 |
