| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 导论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究发展和现状 | 第10-16页 |
| 1.2.1 基于知识的人脸检测 | 第11-12页 |
| 1.2.2 基于统计学习方法的人脸检测 | 第12-16页 |
| 1.3 本文主要研究工作 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第2章 GENTLE ADABOOST人脸检测算法 | 第18-32页 |
| 2.1 类Haar矩形特征 | 第18-23页 |
| 2.1.1 类Haar矩形特征原理 | 第18-21页 |
| 2.1.2 衍生的类Haar矩形特征数目 | 第21页 |
| 2.1.3 矩形特征的选取 | 第21-23页 |
| 2.2 灰度积分图的快速计算 | 第23-24页 |
| 2.3 Gentle Adaboost人脸检测算法 | 第24-30页 |
| 2.3.1 弱分类器的构造与训练 | 第25-27页 |
| 2.3.2 强分类器的构造与训练 | 第27-29页 |
| 2.3.3 级联分类器的构造和训练 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 人脸检测的仿真实现 | 第32-45页 |
| 3.1 训练样本库的构造 | 第32-34页 |
| 3.1.1 人脸样本库的构建 | 第32-33页 |
| 3.1.2 非人脸样本库的构建 | 第33-34页 |
| 3.2 人脸检测的仿真 | 第34-41页 |
| 3.2.1 分类器的训练 | 第34-37页 |
| 3.2.2 人脸检测的实现 | 第37-41页 |
| 3.4 检测性能分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于DM642的人脸检测系统设计 | 第45-60页 |
| 4.1 系统硬件平台设计 | 第46-52页 |
| 4.1.1 TMS320DM642芯片模块 | 第48-50页 |
| 4.1.2 视频采集回放模块 | 第50-51页 |
| 4.1.3 EMIF存储扩展模块 | 第51-52页 |
| 4.2 检测系统软件设计 | 第52-59页 |
| 4.2.1 片上功能初始化 | 第54-55页 |
| 4.2.2 视频采集和视频输出 | 第55-56页 |
| 4.2.3 图像检测处理 | 第56-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 多姿态人脸检测系统优化与实现 | 第60-68页 |
| 5.1 检测系统的优化 | 第60-63页 |
| 5.1.1 浮点运算定点化 | 第60-61页 |
| 5.1.2 CCS工程优化 | 第61-62页 |
| 5.1.3 检测图像工程优化 | 第62-63页 |
| 5.2 人脸检测实现 | 第63-67页 |
| 5.2.1 检测系统实物图 | 第63-64页 |
| 5.2.2 检测系统的工作流程 | 第64-65页 |
| 5.2.3 人脸检测DSP工程代码 | 第65页 |
| 5.2.4 多姿态人脸检测 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间的研究成果 | 第75-76页 |
| 附录 | 第76-83页 |
| 附录1——人脸检测仿真代码 | 第76-79页 |
| 附录2——DM642工程代码 | 第79-83页 |