| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 人脸检测的评价标准 | 第14-15页 |
| 1.4 论文主要内容 | 第15页 |
| 1.5 论文安排 | 第15-17页 |
| 第二章 肤色分割过程 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 常用颜色空间 | 第17-20页 |
| 2.3 肤色模型 | 第20-22页 |
| 2.4 数学形态学处理 | 第22-23页 |
| 2.5 人脸区域筛选 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于神经网络的肤色分割 | 第25-46页 |
| 3.1 引言 | 第25页 |
| 3.3 改进的人工鱼群算法 | 第25-35页 |
| 3.3.1 基本概念 | 第25-28页 |
| 3.3.2 改进算法的思想 | 第28-29页 |
| 3.3.3 收敛性分析 | 第29-32页 |
| 3.3.4 性能测试 | 第32-35页 |
| 3.4 基于改进人工鱼群算法的BP神经网络 | 第35-40页 |
| 3.4.1 BP神经网络 | 第35-38页 |
| 3.4.2 BP算法存在问题 | 第38-39页 |
| 3.4.3 基于IAFSA算法优化BP神经网络 | 第39-40页 |
| 3.5 基于IAFSA算法的神经网络的肤倒分割 | 第40-43页 |
| 3.5.1 网络训练样本 | 第40页 |
| 3.5.2 参数设置 | 第40-42页 |
| 3.5.3 网络的训练及结果比较 | 第42-43页 |
| 3.6 肤色分割后人脸初检测 | 第43-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 基于改进Adaboost算法的人脸定位 | 第46-58页 |
| 4.1 引言 | 第46-47页 |
| 4.2 矩形特征和积分图 | 第47-50页 |
| 4.2.1 Harr-Like特征 | 第47-48页 |
| 4.2.2 积分图 | 第48-50页 |
| 4.3 Adaboost算法 | 第50-52页 |
| 4.3.1 弱分类器 | 第50-51页 |
| 4.3.2 强分类器 | 第51-52页 |
| 4.4 Adaboost算法改进 | 第52-55页 |
| 4.4.1 双阈值弱分类器 | 第53-54页 |
| 4.4.2 权重阈值设定 | 第54-55页 |
| 4.5 仿真实验 | 第55-57页 |
| 4.5.1 训练样本 | 第55-57页 |
| 4.5.2 训练速度和检测速度比较 | 第57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 基于肤色分割和改进Adaboost算法的人脸检测 | 第58-65页 |
| 5.1 引言 | 第58页 |
| 5.2 三种肤色分割方法比较 | 第58-60页 |
| 5.3 基于肤色分割和改进Adaboost算法的人脸检测 | 第60-64页 |
| 5.3.1 两种人脸检测方法的分析 | 第60-61页 |
| 5.3.2 融合算法流程 | 第61页 |
| 5.3.3 实验结果及分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表文章目录 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-77页 |