| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-13页 |
| ·人脸检测技术中的难点 | 第13-14页 |
| ·人脸检测的研究现状与应用前景 | 第14-17页 |
| ·人脸检测的国内研究现状 | 第14-15页 |
| ·人脸检测的国外研究现状 | 第15-16页 |
| ·人脸检测的应用前景 | 第16-17页 |
| ·本文主要工作 | 第17-18页 |
| ·本文内容安排 | 第18-20页 |
| 第2章 粒子群优化算法与人脸检测理论 | 第20-28页 |
| ·引言 | 第20-21页 |
| ·粒子群优化算法 | 第21-23页 |
| ·粒子群算法的产生 | 第21-22页 |
| ·粒子群算法的基本原理 | 第22-23页 |
| ·粒子群算法流程 | 第23页 |
| ·人脸检测算法 | 第23-26页 |
| ·基于特征的人脸检测算法 | 第24页 |
| ·基于统计的人脸检测算法 | 第24-25页 |
| ·复杂背景下的人脸检测研究与分析 | 第25-26页 |
| ·粒子群优化算法在人脸检测中的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于复杂网络改进的自适应粒子群优化算法 | 第28-40页 |
| ·引言 | 第28-29页 |
| ·复杂网络理论 | 第29-33页 |
| ·ER随机网络 | 第29-30页 |
| ·小世界网络 | 第30-31页 |
| ·无标度网络 | 第31-33页 |
| ·基于复杂网络改进的粒子群优化算法(DWCN-PSO) | 第33-35页 |
| ·粒子群有向加权复杂网络模型 | 第33-34页 |
| ·粒子自适应寻优 | 第34-35页 |
| ·算法流程 | 第35页 |
| ·仿真实验与分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于DWCN-PSO改进的AdaBoost人脸检测算法 | 第40-54页 |
| ·引言 | 第40页 |
| ·AdaBoost算法 | 第40-45页 |
| ·算法简介 | 第40-42页 |
| ·Haar特征 | 第42页 |
| ·积分图像 | 第42-43页 |
| ·弱分类器的训练 | 第43-44页 |
| ·分类器的级联 | 第44-45页 |
| ·AdaBoost存在的主要问题 | 第45-46页 |
| ·训练时间长 | 第45-46页 |
| ·样本权值分布扭曲 | 第46页 |
| ·基于DWCN-PSO改进的AdaBoost人脸检测算法 | 第46-50页 |
| ·弱分类器搜索策略 | 第46-47页 |
| ·适应度函数的定义 | 第47-48页 |
| ·弱分类器加权参数求解公式 | 第48页 |
| ·本文算法流程 | 第48-50页 |
| ·仿真实验与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第63页 |
