多姿态人脸检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·人脸检测的研究背景和意义 | 第8-9页 |
| ·人脸检测研究的进展及现状 | 第9-13页 |
| ·人脸特征提取 | 第9-12页 |
| ·学习算法 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文的章节安排 | 第14-16页 |
| 第二章 基于adaboost算法的人脸检测 | 第16-27页 |
| ·Haar-like特征与积分图像技术 | 第17-21页 |
| ·Haar-like特征 | 第17-18页 |
| ·积分图像 | 第18-21页 |
| ·adaboost算法 | 第21-24页 |
| ·级联分类器 | 第24-26页 |
| ·级联分类器的结构 | 第24-25页 |
| ·级联分类器的训练算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于adaboost的多姿态人脸检测 | 第27-41页 |
| ·图像预处理方法 | 第27-30页 |
| ·直方图均衡化 | 第27-29页 |
| ·平滑滤波 | 第29-30页 |
| ·基于LBP纹理分析 | 第30-34页 |
| ·LBP的提出 | 第30-31页 |
| ·LBP的基本原理 | 第31-32页 |
| ·均匀LBP | 第32-33页 |
| ·基于LBP的人脸纹理特征 | 第33-34页 |
| ·多姿态分类器训练 | 第34-39页 |
| ·训练样本获取 | 第35-36页 |
| ·人脸样本纹理化 | 第36-37页 |
| ·分类器训练过程 | 第37-39页 |
| ·实验结果 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于肤色的多姿态人脸检测 | 第41-56页 |
| ·肤色分割 | 第41-49页 |
| ·颜色空间 | 第41-43页 |
| ·肤色模型 | 第43-46页 |
| ·形态学处理 | 第46-48页 |
| ·获取人脸候选区域 | 第48-49页 |
| ·不变矩理论 | 第49-52页 |
| ·矩的基本概念 | 第49-50页 |
| ·矩的物理意义 | 第50-51页 |
| ·Hu矩 | 第51-52页 |
| ·肤色区域特征提取 | 第52-53页 |
| ·不变几何特征 | 第52页 |
| ·纹理特征 | 第52-53页 |
| ·支持向量机 | 第53-55页 |
| ·支持向量机基本原理 | 第53-54页 |
| ·LIBSVM | 第54-55页 |
| ·实验结果 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第五章 多姿态人脸检测系统整合 | 第56-60页 |
| ·多姿态人脸检测系统整合 | 第56页 |
| ·实验结果与分析 | 第56-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |
| 攻读硕士学位期间参加的科研项目 | 第68页 |
