| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题背景与研究意义 | 第9-10页 |
| ·人脸检测的研究现状 | 第10-14页 |
| ·本文的研究内容 | 第14页 |
| ·本文的论文结构 | 第14-16页 |
| 2 基于肤色的人脸检测 | 第16-23页 |
| ·颜色空间 | 第16-20页 |
| ·人脸图像二值化 | 第20-22页 |
| ·阈值分割 | 第20-22页 |
| ·基于肤色的人脸检测 | 第22-23页 |
| 3 基于ADABOOST的人脸检测 | 第23-38页 |
| ·矩形特征 | 第23-28页 |
| ·矩形特征概述 | 第23-24页 |
| ·矩形特征原型 | 第24-26页 |
| ·矩形特征数量 | 第26-27页 |
| ·使用积分图快速计算矩形特征 | 第27-28页 |
| ·分类器 | 第28-30页 |
| ·弱分类器 | 第28页 |
| ·强分类器 | 第28-29页 |
| ·级联分类器 | 第29-30页 |
| ·分类器的训练 | 第30-33页 |
| ·级联分类器的训练 | 第30-31页 |
| ·强分类器的训练 | 第31-32页 |
| ·弱分类器的训练 | 第32-33页 |
| ·人脸检测过程 | 第33-38页 |
| ·预处理 | 第33-34页 |
| ·检测过程 | 第34-35页 |
| ·输出结果 | 第35-36页 |
| ·后处理 | 第36-38页 |
| 4 基于肤色和ADABOOST算法的多姿态人脸检测 | 第38-48页 |
| ·样本训练阶段 | 第38-42页 |
| ·人脸样本的获取 | 第38-40页 |
| ·非人脸样本的获取 | 第40-41页 |
| ·样本训练 | 第41-42页 |
| ·人脸检测阶段 | 第42-48页 |
| ·待检图像灰度化 | 第42页 |
| ·待检图片肤色二值化 | 第42页 |
| ·基于积分图的肤色像素统计 | 第42-43页 |
| ·人脸候选集 | 第43-44页 |
| ·多姿态人脸检测 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| 5 基于肤色二值化和ADABOOST相结合的人脸检测 | 第48-53页 |
| ·样本训练阶段 | 第48-50页 |
| ·人脸样本的获取 | 第48-49页 |
| ·非人脸样本的获取 | 第49页 |
| ·样本训练 | 第49-50页 |
| ·人脸检测阶段 | 第50-53页 |
| ·待检图片检测过程 | 第50页 |
| ·分类器分类 | 第50页 |
| ·实验结果 | 第50-53页 |
| 6 总结和展望 | 第53-54页 |
| ·课题研究总结 | 第53页 |
| ·课题研究展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录 攻读硕士学位期间发表(录用)的学术论文 | 第60页 |