| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 人脸检测难点 | 第9-10页 |
| 1.3 人脸检测的研究现状 | 第10-16页 |
| 1.3.1 基于Boosting级联结构的人脸检测方法 | 第11-13页 |
| 1.3.2 基于卷积神经网络的人脸检测方法 | 第13-14页 |
| 1.3.3 基于可变形模型的人脸检测方法 | 第14-16页 |
| 1.4 论文的主要研究工作 | 第16页 |
| 1.5 论文的组织形式 | 第16-19页 |
| 2 基于可变形模型的人脸检测理论基础 | 第19-33页 |
| 2.1 可变形模型 | 第19-22页 |
| 2.1.1 模型定义 | 第19-20页 |
| 2.1.2 最优匹配 | 第20页 |
| 2.1.3 模型训练 | 第20-22页 |
| 2.2 基于可变形模型的人脸检测 | 第22-30页 |
| 2.2.1 人脸对齐方法理论基础 | 第22-26页 |
| 2.2.2 多任务联合学习提高检测精度 | 第26-27页 |
| 2.2.3 基于级联结构的人脸检测与人脸对齐联合方法 | 第27-30页 |
| 2.3 人脸检测算法评价 | 第30-31页 |
| 2.4 人脸数据集与评测集 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于二级级联SVM的人脸检测方法 | 第33-46页 |
| 3.1 二级级联检测框架 | 第33-35页 |
| 3.2 第一层级人脸检测方法设计 | 第35-38页 |
| 3.2.1 人脸稀疏特征 | 第35-38页 |
| 3.2.2 SVM特征学习 | 第38页 |
| 3.3 第二层级人脸检测方法设计 | 第38-39页 |
| 3.4 算法训练方法 | 第39页 |
| 3.4.1 训练方式 | 第39页 |
| 3.4.2 难例挖掘 | 第39页 |
| 3.5 实验验证与分析 | 第39-44页 |
| 3.5.1 实验数据 | 第39-40页 |
| 3.5.2 检测加速 | 第40页 |
| 3.5.3 FDDB数据集评测 | 第40-43页 |
| 3.5.4 CMU-MIT数据集评测 | 第43页 |
| 3.5.5 检测速度评测 | 第43-44页 |
| 3.6 本章小节 | 第44-46页 |
| 4 基于人脸对齐感知的级联Boosting人脸检测方法 | 第46-59页 |
| 4.1 第一层级人脸检测方法设计 | 第47-50页 |
| 4.1.1 NPD特征介绍 | 第47页 |
| 4.1.2 Boosting级联结构学习特征 | 第47-49页 |
| 4.1.3 模板分辨率选择 | 第49-50页 |
| 4.2 第二层级人脸检测方法设计 | 第50-53页 |
| 4.2.1 特征块设计与学习 | 第51-52页 |
| 4.2.2 整体与局部特征融合 | 第52-53页 |
| 4.3 实验验证与分析 | 第53-58页 |
| 4.3.1 训练数据 | 第53-54页 |
| 4.3.2 检测算法设计及检测过程加速 | 第54页 |
| 4.3.3 FDDB数据集评测 | 第54-56页 |
| 4.3.4 方法参数分析 | 第56-57页 |
| 4.3.5 检测速度评测 | 第57-58页 |
| 4.4 本章小节 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 附录 | 第69页 |
