首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于AdaBoost算法的人脸检测研究

摘要第1-8页
Abstract第8-10页
插图索引第10-11页
附表索引第11-12页
第1章 绪论第12-21页
   ·课题研究背景及意义第12-13页
   ·国内外研究现状第13-14页
   ·人脸检测方法综述第14-18页
     ·基于肤色模型的人脸检测方法第14页
     ·基于几何特征的人脸检测方法第14-16页
     ·基于统计理论的人脸检测方法第16-18页
   ·人脸检测性能的评价标准第18-19页
   ·本文的主要工作和内容安排第19-21页
第2章 基于ADABOOST算法的人脸检测原理第21-33页
   ·PAC模型第21-22页
   ·人脸特征提取第22-26页
     ·Haar-like特征第22-23页
     ·Haar-like特征数量计算第23-25页
     ·积分图第25-26页
   ·弱分类器第26-28页
     ·定义弱分类器第27页
     ·弱分类器的构造第27-28页
   ·基于HAAR-LIKE特征的ADABOOST算法第28-31页
     ·AdaBoost算法训练流程第28-29页
     ·AdaBoost算法分析第29-31页
   ·级联分类器第31-32页
   ·本章小结第32-33页
第3章 基于协方差特征的ADABOOST算法第33-42页
   ·协方差矩阵特征第33-35页
     ·协方差矩阵特征的引入第33页
     ·协方差矩阵特征的计算第33-35页
   ·协方差特征第35-37页
     ·协方差特征定义第35-36页
     ·Haar-like特征、协方差矩阵特征和协方差特征的比较第36-37页
   ·基于协方差特征的ADABOOST算法第37-39页
   ·实验结果及分析第39-41页
   ·本章小结第41-42页
第4章 基于协方差特征的裁剪ADABOOST算法第42-50页
   ·ADABOOST训练过程复杂度分析第42-43页
   ·基于特征裁剪的ADABOOST算法第43-44页
   ·基于动态权重裁剪的ADABOOST算法第44-45页
     ·静态权重裁剪算法第44-45页
     ·DWTAdaBoost算法第45页
   ·PADABOOST算法第45-47页
   ·实验结果及分析第47-48页
   ·本章小结第48-50页
总结与展望第50-52页
参考文献第52-56页
致谢第56-57页
附录 攻读学位期间参与科研项目和发表的学术论文目录第57页

论文共57页,点击 下载论文
上一篇:油气生产数据实时发布技术的研究与应用
下一篇:基于ARM嵌入式平台的视觉手势识别技术研究