| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·人脸检测算法综述 | 第9-13页 |
| ·基于肤色模型的人脸检测 | 第9-10页 |
| ·基于统计模型的人脸检测 | 第10-12页 |
| ·基于启发式模型的人脸检测 | 第12-13页 |
| ·人脸检测效果的评价标准 | 第13-14页 |
| ·本文的结构和安排 | 第14-15页 |
| 2 肤色检测技术综述 | 第15-31页 |
| ·色彩空间的介绍 | 第15-22页 |
| ·RGB 色彩空间 | 第15-16页 |
| ·YUV 色彩空间 | 第16-17页 |
| ·YCbCr 色彩空间 | 第17-19页 |
| ·HSI 色彩空间 | 第19-21页 |
| ·HSV 色彩空间 | 第21-22页 |
| ·肤色模型的建立 | 第22-25页 |
| ·简单高斯模型 | 第22-23页 |
| ·混合高斯模型 | 第23页 |
| ·简单门限模型 | 第23-24页 |
| ·直方图统计模型 | 第24-25页 |
| ·区域级肤色检测 | 第25页 |
| ·色彩空间的选取与肤色模型的建立 | 第25-26页 |
| ·选取合适的色彩空间 | 第25-26页 |
| ·建立合适的肤色模型 | 第26页 |
| ·基于亮度信息的肤色检测 | 第26-30页 |
| ·基于类 HSV 空间的肤色检测 | 第27-28页 |
| ·实验结果分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于 AdaBoost 算法的人脸检测 | 第31-53页 |
| ·AdaBoost 算法介绍 | 第31-45页 |
| ·矩形特征 | 第31-39页 |
| ·积分图 | 第39-41页 |
| ·基于 Haar 特征的 AdaBoost 算法 | 第41-45页 |
| ·基于改进的 LBP 特征的 AdaBoost 算法 | 第45-48页 |
| ·改进的 LBP 特征 | 第45-46页 |
| ·基于改进的 LBP 特征的 AdaBoost 算法流程 | 第46-48页 |
| ·实验结果和分析 | 第48-52页 |
| ·样本的选取 | 第48页 |
| ·多块 LBP 特征与其它 LBP 特征的实验分析 | 第48-50页 |
| ·多块 LBP 特征与 Haar 特征的实验分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于肤色与 AdaBoost 算法结合的人脸检测 | 第53-62页 |
| ·基于肤色检测的人脸检测方法 | 第53-55页 |
| ·肤色候选区域的处理 | 第53-54页 |
| ·人脸区域的定位 | 第54页 |
| ·基于肤色检测的人脸检测方法的不足 | 第54-55页 |
| ·基于 AdaBoost 算法的人脸检测 | 第55页 |
| ·基于改进的 LBP 特征的 AdaBoost 算法 | 第55页 |
| ·基于 AdaBoost 算法的人脸检测方法的不足 | 第55页 |
| ·基于肤色与 AdaBoost 算法的人脸检测 | 第55-61页 |
| ·利用 AdaBoost 算法对图像进行提取子窗口 | 第56页 |
| ·利用肤色分割对子窗口过滤 | 第56-57页 |
| ·利用 AdaBoost 算法检测候选窗口 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 5.总结和展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
| A 在攻读学位期间发表的论文目录 | 第68页 |
