| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·背景及意义 | 第10页 |
| ·人脸检测的研究历程及现状 | 第10-11页 |
| ·人脸检测的主要方法 | 第11-13页 |
| ·基于知识的方法 | 第11-12页 |
| ·基于统计的方法 | 第12-13页 |
| ·人脸检测系统的评价标准 | 第13-14页 |
| ·性能评价指标 | 第13-14页 |
| ·人脸检测专用的数据库 | 第14页 |
| ·本文研究内容和章节安排 | 第14-16页 |
| 第二章 Adaboost 算法 | 第16-19页 |
| ·Boosting 算法 | 第16-17页 |
| ·Adaboost 算法 | 第17页 |
| ·Adaboost 在人脸检测中的应用 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于 Viola-Jones 检测器的人脸检测 | 第19-44页 |
| ·Haar 特征和积分图 | 第19-27页 |
| ·Haar 特征 | 第19页 |
| ·Haar 特征模板 | 第19-20页 |
| ·检测器内 Haar 特征总数 | 第20-22页 |
| ·积分图 | 第22-24页 |
| ·利用积分图快速计算 Haar 特征值 | 第24-26页 |
| ·Haar 特征的优化 | 第26-27页 |
| ·弱分类器 | 第27-29页 |
| ·概述 | 第27页 |
| ·弱分类器的定义 | 第27页 |
| ·构造弱分类器 | 第27-28页 |
| ·确定弱分类器的判决阈值 | 第28-29页 |
| ·强分类器 | 第29-35页 |
| ·Discrete Adaboost 算法的训练 | 第30-31页 |
| ·强分类器的构成 | 第31-32页 |
| ·强分类器错误率上限 | 第32-35页 |
| ·级联分类器 | 第35-42页 |
| ·级联分类器的结构 | 第35-36页 |
| ·级联分类器的设计与分析 | 第36-38页 |
| ·级联分类器的检测策略 | 第38-41页 |
| ·两种检测策略的实验对比 | 第41-42页 |
| ·级联分类器构成的人脸检测系统 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于改进 Adaboost 算法的人脸检测 | 第44-53页 |
| ·Discrete Adaboost 算法的不足及改进 | 第44-46页 |
| ·Discrete Adaboost 算法的不足 | 第44页 |
| ·Discrete Adaboost 算法的改进 | 第44-46页 |
| ·实验结果与分析 | 第46-52页 |
| ·实验条件 | 第46-47页 |
| ·人脸检测算法的描述 | 第47-48页 |
| ·实验性能对比 | 第48-52页 |
| ·本章总结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| ·本文工作总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-58页 |
| 致谢 | 第58页 |
