| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·选题背景 | 第12-13页 |
| ·人脸检测方法 | 第13-15页 |
| ·人脸检测的难点 | 第15-16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的结构 | 第17-19页 |
| 第2章 Adaboost人脸检测算法概述 | 第19-32页 |
| ·引言 | 第19-21页 |
| ·概述 | 第19-20页 |
| ·PAC学习理论 | 第20页 |
| ·强学习和弱学习 | 第20-21页 |
| ·Boosting算法 | 第21页 |
| ·矩形特征 | 第21-24页 |
| ·检测器内特征总数 | 第22-23页 |
| ·子窗口条件矩形的数量 | 第23-24页 |
| ·积分图 | 第24-26页 |
| ·概念 | 第24页 |
| ·使用积分图计算特征值 | 第24-26页 |
| ·Adaboost算法 | 第26-29页 |
| ·算法流程 | 第26页 |
| ·弱分类器 | 第26-28页 |
| ·强分类器 | 第28-29页 |
| ·性能分析 | 第29-31页 |
| ·错误率分析 | 第29-30页 |
| ·速度分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 Adaboost算法的改进研究 | 第32-40页 |
| ·引言 | 第32页 |
| ·高效特征 | 第32-33页 |
| ·构造高效分类器 | 第33-36页 |
| ·非对称Adaboost | 第34-35页 |
| ·AD Adaboost | 第35-36页 |
| ·改变分类器级联结构 | 第36-38页 |
| ·提高训练速度 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于普通样本的Adaboost人脸检测算法 | 第40-49页 |
| ·权值更新方法改进 | 第40-44页 |
| ·改进过程 | 第40-42页 |
| ·改进分析 | 第42-44页 |
| ·级联结构 | 第44-46页 |
| ·介绍 | 第44-45页 |
| ·级联结构分析 | 第45-46页 |
| ·级联结构改进 | 第46-48页 |
| ·改进介绍 | 第46-47页 |
| ·框架分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 实验分析 | 第49-59页 |
| ·检测流程框架 | 第49-50页 |
| ·人脸检测评价标准 | 第50页 |
| ·人脸库 | 第50-52页 |
| ·人脸训练库 | 第51-52页 |
| ·人脸测试库 | 第52页 |
| ·分类器训练 | 第52-54页 |
| ·样本集的获取和预处理 | 第52-53页 |
| ·弱分类器的训练 | 第53页 |
| ·强分类器的训练 | 第53-54页 |
| ·检测过程 | 第54-55页 |
| ·检测方法 | 第54页 |
| ·区域合并 | 第54-55页 |
| ·检测结果分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-62页 |
| 本文总结 | 第59-60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第67页 |