| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·选题背景和研究意义 | 第8-9页 |
| ·选题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·人脸检测算法的研究现状 | 第9-10页 |
| ·基于知识的人脸检测方法 | 第9页 |
| ·基于统计学习的人脸检测方法 | 第9-10页 |
| ·人脸跟踪算法的研究现状 | 第10-11页 |
| ·穷举搜索法 | 第10页 |
| ·基于假设的方法 | 第10页 |
| ·基于均值移动（MeanShift）的算法 | 第10页 |
| ·基于在线学习的算法 | 第10-11页 |
| ·论文的主要工作和结构安排 | 第11-13页 |
| ·论文的主要工作 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第2章 AdaBoost算法 | 第13-21页 |
| ·Boosting算法起源 | 第13页 |
| ·AdaBoost算法 | 第13-17页 |
| ·AdaBoost算法描述 | 第13-14页 |
| ·AdaBoost算法的误差上界 | 第14-17页 |
| ·从梯度下降的角度理解AdaBoost算法 | 第17-20页 |
| ·小结 | 第20-21页 |
| 第3章 基于GentleAdaBoost和嵌套级联结构的人脸检测算法 | 第21-46页 |
| ·Haar特征 | 第22-25页 |
| ·节点分类器训练算法 | 第25-27页 |
| ·级联分类器训练算法 | 第27-28页 |
| ·本文提出的训练方案 | 第28-32页 |
| ·利用OpenMP加速训练过程 | 第32-38页 |
| ·OpenMP简介 | 第32-35页 |
| ·利用OpenMP加速节点分类器的训练 | 第35-37页 |
| ·利用OpenMP加速自举过程 | 第37-38页 |
| ·基于Gentle AdaBoost和嵌套级联结构的的人脸检测 | 第38-41页 |
| ·图片放缩法 | 第38-40页 |
| ·特征放缩法 | 第40-41页 |
| ·检测结果的后处理 | 第41页 |
| ·实验结果和分析 | 第41-45页 |
| ·利用ROC曲线比较各种AdaBoost分类器的性能 | 第42-43页 |
| ·和现有的人脸分类器进行性能比较 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第4章 多特征融合的快速人脸检测方案 | 第46-58页 |
| ·运动检测 | 第46-49页 |
| ·肤色检测 | 第49-51页 |
| ·多特征融合人脸检测方案 | 第51-53页 |
| ·实验结果与讨论 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 采用Haar特征前置滤波器的人脸跟踪算法 | 第58-78页 |
| ·CAMShift算法 | 第58-64页 |
| ·反向投影 | 第58-60页 |
| ·寻找局部最匹配目标 | 第60-62页 |
| ·自适应改变目标跟踪窗口的大小 | 第62-64页 |
| ·Haar特征前置滤波器设计 | 第64-74页 |
| ·离线Haar特征前置滤波器 | 第64-65页 |
| ·在线AdaBoost前置滤波器 | 第65-74页 |
| ·实验结果分析 | 第74-77页 |
| ·CAMShift跟踪性能分析 | 第74-75页 |
| ·离线Haar特征前置滤波器+CAMShift跟踪算法 | 第75-76页 |
| ·在线AdaBoost前置滤波器+ CAMShift跟踪算法 | 第76-77页 |
| ·小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| ·论文工作总结 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第86页 |
