| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 目录 | 第8-12页 |
| 1 绪论 | 第12-20页 |
| ·生物识别技术 | 第12页 |
| ·人脸检测研究的背景和意义 | 第12-14页 |
| ·人脸检测方法综述 | 第14-18页 |
| ·基于肤色特征的人脸检测 | 第15页 |
| ·基于灰度特征的人脸检测 | 第15-18页 |
| ·本文主要研究工作 | 第18-20页 |
| 2 AdaBoost 算法用于正脸检测 | 第20-36页 |
| ·问题背景及Boosting 算法的提出 | 第20页 |
| ·AdaBoost 算法流程 | 第20-21页 |
| ·AdaBoost 算法在正面人脸检测中的应用 | 第21-28页 |
| ·积分图 | 第22-23页 |
| ·AdaBoost 用于特征选择 | 第23-25页 |
| ·决策树分类器结构 | 第25-28页 |
| ·人脸检测 | 第28-31页 |
| ·检测方法 | 第28-29页 |
| ·检测过程的详细描述 | 第29-30页 |
| ·后处理 | 第30-31页 |
| ·实验结果 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 3 基于 HSV 肤色空间反向投影的人脸检测 | 第36-52页 |
| ·彩色空间表示 | 第36-42页 |
| ·RGB 色系坐标系 | 第36-37页 |
| ·YUV 和YIQ 色系坐标系 | 第37-38页 |
| ·HSI 坐标系 | 第38-39页 |
| ·HSV 色系坐标系 | 第39-40页 |
| ·YES 色系坐标系 | 第40-41页 |
| ·rgb 纯色系坐标系 | 第41-42页 |
| ·基于HSV 肤色空间反向投影的人脸检测和跟踪算法 | 第42-51页 |
| ·HSV 肤色空间的直方图分析 | 第43-45页 |
| ·Hue 分量的反向投影分析 | 第45页 |
| ·Meanshift 算法 | 第45-48页 |
| ·HSV 空间反向投影算法对于图像问题的处理 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 4 多源信息融合的人脸定位算法 | 第52-62页 |
| ·信息融合技术综述 | 第52-54页 |
| ·信息融合的层次化描述 | 第53-54页 |
| ·基于信息融合的人脸自动检测方法 | 第54-59页 |
| ·检测方法中的决策融合 | 第55-57页 |
| ·肤色区域图像处理 | 第57页 |
| ·人脸检测形状分类器 | 第57-59页 |
| ·人脸检测中的特征融合—线性加权平均融合算法 | 第59页 |
| ·实验结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 5 脸部特征的提取 | 第62-78页 |
| ·眼睛定位过程 | 第63-69页 |
| ·彩色空间模型的选取 | 第63-65页 |
| ·光线补偿 | 第65-66页 |
| ·基于眼睛亮度值的膨胀和中值滤波 | 第66-67页 |
| ·眼睛的定位 | 第67-69页 |
| ·嘴和鼻子定位 | 第69-74页 |
| ·肤色分割 | 第69-71页 |
| ·面部几何关系的应用 | 第71-72页 |
| ·鼻子定位 | 第72-73页 |
| ·嘴定位 | 第73-74页 |
| ·实验结果 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 6 人脸自动检测系统的实现 | 第78-82页 |
| ·前言 | 第78页 |
| ·系统组成 | 第78-80页 |
| ·图像采集 | 第80页 |
| ·软件实现 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 7 全文总结与展望 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 附录 | 第90-92页 |
| 独创性声明 | 第92页 |
| 学位论文版权使用授权书 | 第92页 |