基于肤色模型和Adaboost算法的人脸检测系统
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·人脸检测的意义 | 第8-10页 |
| ·人脸检测研究历史与现状 | 第10页 |
| ·人脸检测方法的分类 | 第10-12页 |
| ·基于先验知识的方法 | 第10-11页 |
| ·基于统计识别的方法 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2 图像预处理 | 第14-19页 |
| ·运动量差分提取 | 第14-16页 |
| ·视频背景提取 | 第14-15页 |
| ·运动前景分离 | 第15-16页 |
| ·光线补偿 | 第16-17页 |
| ·平滑去噪声 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 肤色检测原理 | 第19-41页 |
| ·色彩空间 | 第19-24页 |
| ·RGB色彩空间 | 第19-21页 |
| ·HSV色彩空间 | 第21-22页 |
| ·CIE系列色彩空间 | 第22-23页 |
| ·YUV系列色彩空间 | 第23-24页 |
| ·建立肤色模型 | 第24-32页 |
| ·各空间肤色聚类性 | 第24-25页 |
| ·肤色样本提取 | 第25-29页 |
| ·Fisher肤色分割模块 | 第29-32页 |
| ·肤色分割模块 | 第32-40页 |
| ·肤色二值化 | 第32-33页 |
| ·形态学滤波 | 第33-36页 |
| ·连通区域识别 | 第36-40页 |
| ·窗口尺寸归一化 | 第40页 |
| ·本章小结 | 第40-41页 |
| 4 Adaboost分类器原理 | 第41-55页 |
| ·Adaboost算法简介 | 第41-42页 |
| ·Haar小波原理 | 第42-47页 |
| ·haar小波特征 | 第42-45页 |
| ·积分图像 | 第45-47页 |
| ·Adaboost分类器设计 | 第47-52页 |
| ·Adaboost算法原理 | 第47-49页 |
| ·算法性能分析 | 第49-50页 |
| ·强分类器训练 | 第50-52页 |
| ·级联分类器设计 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 特征提取原理 | 第55-58页 |
| ·特征提取简介 | 第55页 |
| ·眼睛的提取 | 第55-57页 |
| ·嘴唇的提取 | 第57页 |
| ·本章小结 | 第57-58页 |
| 6 人脸检测系统设计 | 第58-66页 |
| ·系统软硬件结构及检测结果 | 第58-60页 |
| ·系统检测实验结果 | 第60-63页 |
| ·系统算法性能分析 | 第63页 |
| ·结论与展望 | 第63-64页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64页 |
| ·本章小结 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
