| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸检测技术的发展与研究现状 | 第11页 |
| 1.3 人脸检测算法综述 | 第11-16页 |
| 1.3.1 基于知识的人脸检测算法 | 第12-13页 |
| 1.3.2 基于学习的人脸检测算法 | 第13-16页 |
| 1.4 评价标准及研究难点 | 第16-17页 |
| 1.4.1 评价标准 | 第16页 |
| 1.4.2 研究难点 | 第16-17页 |
| 1.5 本文的主要研究工作 | 第17-18页 |
| 第二章 基于 AdaBoost 算法的人脸检测 | 第18-35页 |
| 2.1 特征选取 | 第18-22页 |
| 2.1.1 Haar 特征 | 第18-19页 |
| 2.1.2 积分图计算 | 第19-20页 |
| 2.1.3 LBP 特征 | 第20-22页 |
| 2.2 AdaBoost 算法 | 第22-27页 |
| 2.2.1 Boosting 算法 | 第22-24页 |
| 2.2.2 AdaBoost 算法 | 第24-27页 |
| 2.3 AdaBoost 算法应用于人脸检测 | 第27-30页 |
| 2.3.1 弱分类器的构成 | 第27-29页 |
| 2.3.2 强分类器的构成 | 第29-30页 |
| 2.4 级联分类器 | 第30-34页 |
| 2.4.1 级联分类器的构成 | 第30-31页 |
| 2.4.2 级联分类器的设计 | 第31-33页 |
| 2.4.3 级联分类器检测人脸的方法及过程分析 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 肤色提取法在人脸检测中的应用 | 第35-48页 |
| 3.1 色彩空间 | 第35-38页 |
| 3.1.1 RGB 色彩空间 | 第35页 |
| 3.1.2 YIQ 色彩空间 | 第35-36页 |
| 3.1.3 HSV 色彩空间 | 第36-37页 |
| 3.1.4 YCbCr 色彩空间 | 第37-38页 |
| 3.2 肤色模型 | 第38-41页 |
| 3.2.1 参数式模型 | 第39-41页 |
| 3.2.2 非参数式模型 | 第41页 |
| 3.3 提取肤色区域 | 第41-43页 |
| 3.3.1 预处理 | 第41-42页 |
| 3.3.2 形态学操作 | 第42-43页 |
| 3.3.3 排除假区域 | 第43页 |
| 3.4 改进的肤色提取法检测人脸 | 第43-47页 |
| 3.4.1 改进思想 | 第44-45页 |
| 3.4.2 试验分析 | 第45-46页 |
| 3.4.3 结果分析 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 利用混沌粒子群算法优化 AdaBoost 算法 | 第48-57页 |
| 4.1 粒子群算法 | 第48-52页 |
| 4.1.1 算法简介 | 第48-49页 |
| 4.1.2 基本原理 | 第49-50页 |
| 4.1.3 PSO 算法的特点与改进思路 | 第50-52页 |
| 4.1.4 PSO-AdaBoost 算法 | 第52页 |
| 4.2 混沌粒子群算法 | 第52-55页 |
| 4.2.1 算法简介 | 第52-53页 |
| 4.2.2 混沌优化的基本思想 | 第53-54页 |
| 4.2.3 CPSO 算法测试 | 第54-55页 |
| 4.3 CPSO－AdaBoost 算法 | 第55-56页 |
| 4.3.1 粒子编码及目标函数 | 第55页 |
| 4.3.2 CPSO－AdaBoost 算法流程 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于肤色提取和 CPSO-AdaBoost 算法的人脸检测 | 第57-63页 |
| 5.1 两种算法融合的思路 | 第57-58页 |
| 5.2 实验环境介绍及样本库的选择 | 第58-59页 |
| 5.3 分类器训练结果比较 | 第59-60页 |
| 5.4 检测算法性能比较 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 硕士期间发表论文 | 第70-71页 |
| 致谢 | 第71页 |