人脸图像分析算法研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-14页 |
| 1．1 研究背景 | 第9-10页 |
| 1．2 人脸检测和识别算法概要 | 第10-11页 |
| 1．3 人脸技术的应用 | 第11-12页 |
| 1．4 人脸图像库 | 第12-13页 |
| 1．5 论文的结构安排 | 第13-14页 |
| 2 基于特征选择和增强学习的人脸检测 | 第14-25页 |
| 2．1 引论 | 第14-15页 |
| 2．2 训练样本的准备 | 第15-17页 |
| 2．3 特征 | 第17-19页 |
| 2．4 分类器的设计和训练 | 第19-23页 |
| 2．4．1 弱分类器 | 第19-20页 |
| 2．4．2 AdaBoost增强学习 | 第20-21页 |
| 2．4．3 分层结构 | 第21-22页 |
| 2．4．4 检测器的实现和检测结果的合并 | 第22-23页 |
| 2．5 检测实验结果 | 第23-25页 |
| 3 基于加权主元分析（WPCA）的人脸识别和分析 | 第25-32页 |
| 3．1 引论 | 第25页 |
| 3．2 主元分析 | 第25-27页 |
| 3．3 加权主元分析学习 | 第27-28页 |
| 3．4 加权权值的估计 | 第28-29页 |
| 3．5 实验 | 第29-31页 |
| 3．6 结论 | 第31-32页 |
| 4 基于DirectShow的人脸跟踪系统 | 第32-39页 |
| 4．1 引论 | 第32页 |
| 4．2 人脸跟踪 | 第32-34页 |
| 4．3 基于DIRECTSHOW的软件设计 | 第34-39页 |
| 5 人脸图像的降维和非线性分析 | 第39-49页 |
| 5．1 引论 | 第39-40页 |
| 5．2 LLE | 第40-42页 |
| 5．3 ISOMAP | 第42-43页 |
| 5．4 基于角度的ISOMAP | 第43-45页 |
| 5．5 降维的映射变换 | 第45-49页 |
| 6 基于自适应直线拟合的角点检测 | 第49-54页 |
| 6．1 引论 | 第49页 |
| 6．2 线点曲率计算方法 | 第49-51页 |
| 6．2．1 基于距离误差的直线拟合 | 第50页 |
| 6．2．2 自适应的直线拟合 | 第50-51页 |
| 6．3 角点的合并与定位 | 第51-52页 |
| 6．4 实验与结论 | 第52-54页 |
| 7 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第61页 |
