| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究意义与背景 | 第13-14页 |
| 1.2 人脸检测的发展历史以及研究现状 | 第14-15页 |
| 1.3 人脸检测主要方法的介绍 | 第15-17页 |
| 1.4 人脸检测算法的性能评价 | 第17-18页 |
| 1.5 本文主要工作与研究内容 | 第18-20页 |
| 第二章 人脸检测机制 | 第20-29页 |
| 2.1 人脸检测机制的流程 | 第20-21页 |
| 2.2 灰度图像 | 第21-22页 |
| 2.3 积分图像 | 第22-24页 |
| 2.4 Haar特征及特征值计算 | 第24-27页 |
| 2.5 多尺度检测 | 第27-28页 |
| 2.6 尺度合并 | 第28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 基于Adaboost算法的人脸检测 | 第29-40页 |
| 3.1 机器学习概述 | 第29页 |
| 3.2 Boosting算法概述 | 第29-30页 |
| 3.3 Adaboost算法 | 第30-36页 |
| 3.3.1 Adaboost算法的概述 | 第30-31页 |
| 3.3.2 构造分类器 | 第31-34页 |
| 3.3.3 级联分类器 | 第34-36页 |
| 3.4 OpenCV的介绍 | 第36-37页 |
| 3.5 基于开源正面人脸分类器的实验 | 第37-38页 |
| 3.5.1 实验程序设计 | 第37-38页 |
| 3.5.2 实验结果分析 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于Adaboost算法和背景减法的人脸检测 | 第40-56页 |
| 4.1 样本的制作以及分类器的训练 | 第40-48页 |
| 4.1.1 正样本的制作 | 第41-42页 |
| 4.1.2 负样本的制作 | 第42-44页 |
| 4.1.3 样本描述文件的制作 | 第44-45页 |
| 4.1.4 分类器的训练 | 第45-48页 |
| 4.2 背景减法 | 第48-51页 |
| 4.2.1 背景减法的定义 | 第48页 |
| 4.2.2 加入背景减法的人脸检测机制 | 第48-50页 |
| 4.2.3 背景减法在人脸检测程序设计中的实现 | 第50-51页 |
| 4.3 基于特殊角度人脸分类器与背景减法的Adaboost人脸检测实验 | 第51-55页 |
| 4.3.1 实验程序设计 | 第51-53页 |
| 4.3.2 实验结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 人脸检测软件的设计 | 第56-61页 |
| 5.1 人脸检测软件设计概述 | 第56-57页 |
| 5.1.1 软件设计总体流程与模块分析 | 第56-57页 |
| 5.2 软件模块详细设计 | 第57-58页 |
| 5.2.1 MFC介绍 | 第57页 |
| 5.2.2 软件程序设计 | 第57-58页 |
| 5.3 人脸检测软件的演示 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结和展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间已发表或录用的学术论文 | 第65-66页 |
| 致谢 | 第66页 |