| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题研究背景与意义 | 第15-16页 |
| 1.2 人脸检测国内外研究现状 | 第16-18页 |
| 1.3 本文主要工作与结构 | 第18-19页 |
| 第二章 人脸检测技术概述 | 第19-30页 |
| 2.1 引言 | 第19-20页 |
| 2.2 基于肤色模型的人脸检测 | 第20-23页 |
| 2.2.1 常用的颜色空间 | 第20-21页 |
| 2.2.2 常用的肤色模型 | 第21-23页 |
| 2.3 基于Boosting的人脸检测 | 第23-26页 |
| 2.3.1 积分图像 | 第23-24页 |
| 2.3.2 Adaboost学习算法 | 第24-25页 |
| 2.3.3 级联结构 | 第25-26页 |
| 2.4 基于支持向量机的人脸检测 | 第26-27页 |
| 2.5 基于神经网络的人脸检测 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于卷积神经网络的人脸检测 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.2 卷积神经网络结构 | 第31-33页 |
| 3.3 卷积神经网络算法 | 第33-35页 |
| 3.4 卷积神经网络训练 | 第35-37页 |
| 3.5 基于卷积神经网络的人脸检测系统 | 第37-38页 |
| 3.6 实验结果及分析 | 第38-43页 |
| 3.6.1 在CMU+MIT数据集上的评估 | 第38-42页 |
| 3.6.2 在FDDB数据集上的评估 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 利用核融合的局部敏感支持向量机人脸检测 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 支持向量机简介 | 第44-47页 |
| 4.3 局部敏感支持向量机 | 第47-48页 |
| 4.3.1 讨论 | 第48页 |
| 4.4 利用核融合的局部敏感支持向量机算法 | 第48-50页 |
| 4.5 实验结果及分析 | 第50-53页 |
| 4.5.1 在CMU+MIT数据集上的评估 | 第51-52页 |
| 4.5.2 在FDDB数据集上的评估 | 第52-53页 |
| 4.6 结合卷积神经网络和改进支持向量机的人脸检测 | 第53-55页 |
| 4.6.1 实验结果及分析 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间科研工作及发表的论文 | 第62-63页 |