| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究工作及结构安排 | 第11-13页 |
| 第二章 人脸检测技术研究分析 | 第13-22页 |
| 2.1 人脸检测存在的问题 | 第13-15页 |
| 2.2 基于知识的人脸检测方法 | 第15-18页 |
| 2.3 基于统计模型的人脸检测方法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 AdaBoost人脸检测算法 | 第22-32页 |
| 3.1 AdaBoost算法的基本原理 | 第22-24页 |
| 3.2 AdaBoost算法中的Haar-like特征 | 第24-26页 |
| 3.2.1 Haar-like特征的定义 | 第24-25页 |
| 3.2.2 矩形特征值的计算 | 第25-26页 |
| 3.3 AdaBoost算法中的积分图 | 第26-28页 |
| 3.3.1 积分图的定义 | 第26-27页 |
| 3.3.2 矩形特征值的计算 | 第27-28页 |
| 3.4 分类器概述 | 第28-31页 |
| 3.4.1 弱分类器的定义及构造特征 | 第28-29页 |
| 3.4.2 强分类器的定义及构造特征 | 第29-30页 |
| 3.4.3 级联分类器的定义和构造特征 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于人工鱼群的粒子群优化算法 | 第32-41页 |
| 4.1 粒子群优化概述 | 第32-33页 |
| 4.2 人工鱼群算法的特征 | 第33-36页 |
| 4.2.1 人工鱼群主要行为介绍 | 第33-34页 |
| 4.2.2 人工鱼群算法描述 | 第34-35页 |
| 4.2.3 人工鱼群算法收敛性分析 | 第35-36页 |
| 4.3 融合AFSA的改进PSO算法 | 第36-37页 |
| 4.4 实验结果与分析 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 改进的AdaBoost人脸检测算法 | 第41-52页 |
| 5.1 AdaBoost算法存在的缺陷 | 第41页 |
| 5.2 Haar-like特征的扩展 | 第41-44页 |
| 5.3 AdaBoost算法的优化 | 第44-46页 |
| 5.4 实验结果与分析 | 第46-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间的研究成果 | 第58-59页 |