| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 人脸检测方法的研究 | 第12-13页 |
| 1.2.2 人脸检测算法设计的研究 | 第13-15页 |
| 1.2.3 人脸检测的技术应用的研究 | 第15-16页 |
| 1.3 研究目标及创新点 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 人脸检测和定位区分人脸特质的方式 | 第19-28页 |
| 2.1 定义人脸检测和其区别的方式 | 第19-21页 |
| 2.1.1 定义人脸检测 | 第19页 |
| 2.1.2 人脸检测方式 | 第19-21页 |
| 2.2 分析人脸特征部位的获取以及定位 | 第21-23页 |
| 2.2.1 定位人脸特征点的相关概念 | 第21-22页 |
| 2.2.2 确定定位人脸特征点的方式 | 第22-23页 |
| 2.3 基于肤色分割的人脸定位模型选择 | 第23-27页 |
| 2.3.1 色彩的定义 | 第23-25页 |
| 2.3.2 选择并建立肤色模型 | 第25-27页 |
| 2.3.3 肤色分割的原理 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 对于图像的预先处理的分析 | 第28-39页 |
| 3.1 对图像的光照补偿 | 第28-30页 |
| 3.1.1 直方图法 | 第28-29页 |
| 3.1.2 灰度世界 | 第29-30页 |
| 3.1.3 参考白 | 第30页 |
| 3.2 肤色样本采集 | 第30-31页 |
| 3.3 待检图像肤色分割 | 第31-32页 |
| 3.3.1 求解肤色相似度 | 第31页 |
| 3.3.2 最佳阈值选择 | 第31页 |
| 3.3.3 图片进行二值化处理 | 第31-32页 |
| 3.4 形态学预处理 | 第32-36页 |
| 3.4.1 图像滤波处理 | 第33-35页 |
| 3.4.2 基于形态学的滤波处理 | 第35-36页 |
| 3.5 人脸候选区的筛选 | 第36-38页 |
| 3.5.1 区域面积的筛选 | 第36页 |
| 3.5.2 区域长宽比的筛选 | 第36-37页 |
| 3.5.3 基于区域面积占有率的筛选 | 第37页 |
| 3.5.4 基于欧拉数的筛选 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 通过ABOOST算法检测人脸 | 第39-50页 |
| 4.1 ADABOOST的算法概述 | 第39-40页 |
| 4.1.1 简介ADABOOST算法 | 第39页 |
| 4.1.2 ADABOOST算法流程 | 第39-40页 |
| 4.2 ADABOOST的人脸检测组成 | 第40-41页 |
| 4.2.1 训练部分的研究和分析 | 第41页 |
| 4.2.2 分析研究检测部分 | 第41页 |
| 4.3 选取HAAR的特征 | 第41-42页 |
| 4.4 积分图的基本原理 | 第42-44页 |
| 4.5 弱分类器的训练过程 | 第44-45页 |
| 4.6 级联多层分类器的结构 | 第45-48页 |
| 4.6.1 训练强分类器 | 第45-47页 |
| 4.6.2 分类器的级联 | 第47-48页 |
| 4.7 本章小结 | 第48-50页 |
| 第五章 基于肤色和ADABOOST的人脸检测系统设计 | 第50-57页 |
| 5.1 基于肤色分割和ADABOOST算法的人脸检测对比 | 第50页 |
| 5.1.1 基于肤色分割检测算法的优缺点分析 | 第50页 |
| 5.1.2 基于ADABOOST算法检测算法优缺点分析 | 第50页 |
| 5.2 基于肤色和ADABOOST人脸检测方案选择 | 第50-52页 |
| 5.3 训练样本选择 | 第52页 |
| 5.4 样本的训练 | 第52页 |
| 5.5 人脸的检测 | 第52-53页 |
| 5.6 本章小结 | 第53-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
