首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于肤色和Real AdaBoost的人手检测方法研究

摘要第1-6页
Abstract第6-9页
插图索引第9-10页
附表索引第10-11页
第1章 绪论第11-18页
   ·研究背景及意义第11-12页
   ·国内外研究现状第12-15页
   ·人手检测目前存在的难点第15-16页
   ·本文的主要研究工作第16页
   ·章节安排第16-18页
第2章 基于肤色的人手分割第18-31页
   ·图像预处理第19-22页
     ·光照补偿第19-21页
     ·平滑处理第21-22页
   ·色彩空间简介第22-26页
     ·RGB色彩空间第22-23页
     ·YCbCr色彩空间第23-24页
     ·HSV空间第24-26页
   ·肤色建模的方法第26-29页
     ·阈值法第26-27页
     ·颜色直方图第27页
     ·高斯模型第27-29页
   ·小结第29-31页
第3章 分类器的原理第31-39页
   ·引言第31页
   ·特征提取第31-32页
   ·Haar特征原理第32-35页
     ·Haar矩形特征第32-33页
     ·Haar特征的数量第33页
     ·利用积分图计算Haar特征值第33-35页
   ·Boosting方法第35-38页
     ·AdaBoost学习算法第35-37页
     ·Real AdaBoost算法第37-38页
   ·小结第38-39页
第4章 基于Real AdaBoost的级联分类器第39-52页
   ·Real AdaBoost分类器的结构参数第39-40页
     ·分类器的结构第39页
     ·分类器参数的选择第39-40页
   ·Real AdaBoost分类器第40-42页
     ·样本集的选取第40页
     ·弱分类器第40-41页
     ·强分类器第41-42页
   ·Real AdaBoost级联分类器第42-49页
     ·级联分类器的构造第43-44页
     ·级联分类器的算法框架及检测第44-49页
   ·实验结果及分析第49-51页
   ·小结第51-52页
第5章 结合肤色和级联Real AdaBoost的人手检测第52-57页
   ·引言第52页
   ·算法框架及检测过程第52-54页
   ·实验结果与分析第54-56页
   ·小结第56-57页
结论第57-59页
参考文献第59-63页
附录A 攻读硕士学位期间发表论文目录第63-64页
附录B 读硕士学位期间所参与的科研活动第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:基于CUDA的软件保护技术研究与实现
下一篇:基于《知网》的词语相似度计算研究及应用