| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-12页 |
| ·人脸检测问题描述 | 第12页 |
| ·难点及需解决的问题 | 第12-13页 |
| ·人脸图像库和性能评价 | 第13-16页 |
| ·人脸图像数据库 | 第14-15页 |
| ·性能评估 | 第15-16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的结构安排 | 第17-18页 |
| 第2章 人脸检测算法分类 | 第18-31页 |
| ·初始期 | 第18-20页 |
| ·发展期 | 第20-26页 |
| ·基于肤色特征 | 第20-22页 |
| ·基于边缘特征 | 第22页 |
| ·基于人工神经网络的方法 | 第22-24页 |
| ·基于特征空间的方法 | 第24页 |
| ·基于支持向量机的方法 | 第24-25页 |
| ·基于统计模型的方法总结 | 第25-26页 |
| ·转折期 | 第26-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于AdaBoost方法的分类器设计 | 第31-52页 |
| ·问题背景及Boosting算法的提出 | 第31-32页 |
| ·AdaBoost的基本原理 | 第32-33页 |
| ·提取矩形特征(Rectangle Feature) | 第33-37页 |
| ·矩形特征描述 | 第34页 |
| ·检测器内特征总数 | 第34-37页 |
| ·构建积分图(Integral Image) | 第37-41页 |
| ·基于AdaBoost学习训练算法 | 第41-45页 |
| ·AdaBoost的基本算法框架 | 第41-44页 |
| ·分类器的训练及选取 | 第44-45页 |
| ·错误率上限 | 第45-47页 |
| ·Adaboost算法训练优化 | 第47-51页 |
| ·Adaboost算法耗时原因分析 | 第48页 |
| ·Adaboost算法的优化 | 第48-50页 |
| ·减少特征数量 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于Cascade算法的检测架构 | 第52-60页 |
| ·算法基本思想 | 第53-54页 |
| ·算法基本原理 | 第54-56页 |
| ·检测算法架构 | 第56-57页 |
| ·扫描检测 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 人脸检测系统设计 | 第60-67页 |
| ·系统介绍 | 第60-62页 |
| ·训练样本集 | 第62页 |
| ·样本预处理 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 试验结果及分析 | 第67-75页 |
| ·静态图片检测对比实验 | 第67-70页 |
| ·视频流中检测对比实验 | 第70-73页 |
| ·本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |