人脸检测研究及其在嵌入式系统中的实现
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·人脸检测背景及其意义 | 第9-10页 |
| ·人脸检测研究现状综述 | 第10-13页 |
| ·基于先验知识的检测方法 | 第10-12页 |
| ·基于统计学习的检测方法 | 第12-13页 |
| ·主要研究内容与结构安排 | 第13-15页 |
| 第2章 肤色检测方法研究 | 第15-39页 |
| ·肤色特征概述 | 第15页 |
| ·颜色空间概述 | 第15-20页 |
| ·RGB 颜色模型和归一化 rgb 模型 | 第16-17页 |
| ·YIQ 颜色模型 | 第17页 |
| ·HSV 颜色模型 | 第17-19页 |
| ·YUV 和 YCbCr 颜色模型 | 第19页 |
| ·YCgCr 颜色模型 | 第19-20页 |
| ·图像光照补偿 | 第20-21页 |
| ·建立肤色模型 | 第21-26页 |
| ·固定肤色范围模型 | 第22-24页 |
| ·肤色高斯分布模型 | 第24-26页 |
| ·高斯模型肤色区域分割 | 第26-28页 |
| ·最大类间方差法肤色分割 | 第26-27页 |
| ·最大熵法肤色分割 | 第27-28页 |
| ·基于自适应模型的肤色检测方法 | 第28-34页 |
| ·建立局部肤色模型 | 第29-30页 |
| ·建立自适应模型 | 第30-31页 |
| ·使用自适应模型检测肤色区域 | 第31-32页 |
| ·自适应模型肤色检测结果与分析 | 第32-34页 |
| ·基于自适应信任距离的快速肤色检测方法 | 第34-38页 |
| ·信任距离 | 第34-36页 |
| ·自适应信任距离 | 第36-37页 |
| ·基于自适应信任距离的快速肤色检测结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 AdaBoost 算法人脸检测研究 | 第39-55页 |
| ·Boosting 算法理论 | 第39-40页 |
| ·AdaBoost 算法概述 | 第40页 |
| ·矩形特征及特征计算 | 第40-45页 |
| ·矩形特征 | 第40-42页 |
| ·积分图与矩形特征值计算 | 第42-45页 |
| ·训练分类器 | 第45-49页 |
| ·训练获取弱分类器 | 第45-46页 |
| ·强分类器 | 第46页 |
| ·AdaBoost 算法的训练过程 | 第46-49页 |
| ·级联分类器 | 第49-51页 |
| ·结合肤色与 AdaBoost 的人脸检测方法 | 第51-54页 |
| ·结合肤色与 AdaBoost 检测流程 | 第52-53页 |
| ·结合方法的检测结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 嵌入式系统中人脸检测的实现 | 第55-65页 |
| ·概述 | 第55页 |
| ·嵌入式系统 | 第55-60页 |
| ·硬件部分 | 第56-58页 |
| ·软件部分 | 第58-60页 |
| ·在嵌入式系统中实现人脸检测 | 第60-64页 |
| ·实现自适应模型肤色检测 | 第60-61页 |
| ·实现 AdaBoost 人脸检测 | 第61-62页 |
| ·实现结合肤色与 AdaBoost 的检测方法 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 在校期间发表的学术论文及研究成果 | 第72页 |
