基于图像样例的人脸检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 1.4 论文的内容和结构 | 第10-11页 |
| 第2章 人脸检测研究综述 | 第11-18页 |
| 2.1 引言 | 第11页 |
| 2.2 基于知识的人脸检测方法 | 第11-13页 |
| 2.3 基于统计的人脸检测方法 | 第13-16页 |
| 2.4 各种方法的评价 | 第16-17页 |
| 2.5 人脸检测中的难点 | 第17-18页 |
| 第3章 形状索引特征 | 第18-26页 |
| 3.1 引言 | 第18页 |
| 3.2 形状索引特征介绍 | 第18-22页 |
| 3.2.1 人脸基准点 | 第18-20页 |
| 3.2.2 人脸形状的归一化 | 第20-21页 |
| 3.2.3 建立局部坐标系 | 第21-22页 |
| 3.3 形状索引特征的优势 | 第22-23页 |
| 3.4 形状索引特征的优势 | 第23-24页 |
| 3.4.1 精度优势 | 第23页 |
| 3.4.2 速度优势 | 第23-24页 |
| 3.5 实验验证 | 第24-26页 |
| 第4章 基于随机森林的人脸特征点定位 | 第26-37页 |
| 4.1 引言 | 第26页 |
| 4.2 随机森林算法 | 第26-28页 |
| 4.2.1 决策树 | 第27页 |
| 4.2.2 集成学习 | 第27-28页 |
| 4.2.3 随机森林 | 第28页 |
| 4.3 形状索引特征的选择 | 第28-29页 |
| 4.4 随机树的训练 | 第29-32页 |
| 4.5 全局回归 | 第32-34页 |
| 4.6 实验结果 | 第34-37页 |
| 第5章 分类回归树级联模型 | 第37-51页 |
| 5.1 引言 | 第37页 |
| 5.2 级联结构 | 第37-38页 |
| 5.3 分类回归树 | 第38-43页 |
| 5.4 实验验证 | 第43-46页 |
| 5.4.1 实验环境 | 第43页 |
| 5.4.2 训练样本的准备和级联模型的参数设置 | 第43-45页 |
| 5.4.3 检测策略 | 第45-46页 |
| 5.5 人脸检测和结果分析 | 第46-51页 |
| 5.5.1 人脸检测测试库以及评价标准 | 第46页 |
| 5.5.2 人脸检测性能分析对比 | 第46-51页 |
| 第6章 总结与展望 | 第51-54页 |
| 6.1 总结 | 第51-52页 |
| 6.1.1 本文工作总结 | 第51-52页 |
| 6.1.2 本文工作的不足 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |
