一种基于人脸标记的人脸检测方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的背景与意义 | 第9页 |
| 1.2 人脸检测的国内外研究现状 | 第9-10页 |
| 1.3 常用人脸检测方法介绍 | 第10-14页 |
| 1.3.1 基于模板匹配的方法 | 第10-11页 |
| 1.3.2 基于知识规则的方法 | 第11页 |
| 1.3.3 基于不变特征的方法 | 第11页 |
| 1.3.4 基于神经网络的方法 | 第11-12页 |
| 1.3.6 基于支持向量机的方法 | 第12-13页 |
| 1.3.7 基于Boosting的方法 | 第13页 |
| 1.3.8 基于深度卷积网络的方法 | 第13-14页 |
| 1.4 本文的研究内容和组织结构 | 第14-15页 |
| 第2章 人脸特征提取与级联检测器 | 第15-23页 |
| 2.1 人脸特征提取 | 第15-19页 |
| 2.1.1 矩形特征和积分图 | 第15-17页 |
| 2.1.2 SIFT特征 | 第17-18页 |
| 2.1.3 LBP特征 | 第18-19页 |
| 2.2 多尺度变换 | 第19页 |
| 2.3 ADABOOST分类器 | 第19-20页 |
| 2.4 级联分类器 | 第20-21页 |
| 2.5 级联检测器的检测过程 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于人脸标记的人脸检测 | 第23-31页 |
| 3.1 人脸标记增量 | 第23-25页 |
| 3.2 级联人脸检测 | 第25-26页 |
| 3.3 本文方法使用的数据结构 | 第26-28页 |
| 3.3.1 分类回归树 | 第26页 |
| 3.3.2 随机森林 | 第26-28页 |
| 3.3.3 霍夫森林 | 第28页 |
| 3.4 特征映射函数和线性回归矩阵的训练 | 第28-29页 |
| 3.5 级联人脸检测算法 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于人脸标记的人脸检测的实现 | 第31-44页 |
| 4.0 样本来源 | 第31-34页 |
| 4.0.1 人脸图像数据库 | 第31-33页 |
| 4.0.2 非人脸图像数据库 | 第33-34页 |
| 4.1 样本预处理 | 第34-36页 |
| 4.1.1 灰度化处理 | 第34页 |
| 4.1.2 给人脸图片做人脸标记 | 第34-36页 |
| 4.1.3 样本灰度归一化处理 | 第36页 |
| 4.2 人脸检测的模型 | 第36-37页 |
| 4.3 参数设置 | 第37页 |
| 4.4 人脸检测的效果 | 第37-38页 |
| 4.5 人脸检测评估的测试集 | 第38-39页 |
| 4.6 人脸检测评估结果 | 第39-43页 |
| 4.7 本章总结 | 第43-44页 |
| 第5章 总结和展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
