| 论文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·人脸检测技术的发展背景 | 第8页 |
| ·人脸检测的概念和难点 | 第8-9页 |
| ·人脸检测的研究现状 | 第9页 |
| ·人脸检测结果的评价标准 | 第9-10页 |
| ·论文主要研究工作 | 第10-12页 |
| ·文章结构安排 | 第12-13页 |
| 第二章 ADABOOST 算法在人脸检测中的应用 | 第13-18页 |
| ·现有人脸检测的主要方法 | 第13-14页 |
| ·基于知识的方法(Knowledge-based) | 第13页 |
| ·基于人脸局部特征的方法(Feature-based) | 第13页 |
| ·基于统计模型的人脸检测方法(Statistical-based) | 第13-14页 |
| ·ADABOOST 算法的发展应用 | 第14-16页 |
| ·Boosting 背景 | 第14页 |
| ·AdaBoost 算法的提出 | 第14-15页 |
| ·AdaBoost 算法在人脸检测中的应用 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 第三章 利用GENTLE ADABOOST 算法的训练过程 | 第18-42页 |
| ·样本选取 | 第19-22页 |
| ·人脸样本选取和预处理 | 第19-22页 |
| ·非人脸样本选取 | 第22页 |
| ·样本存储 | 第22页 |
| ·特征选取 | 第22-25页 |
| ·矩形特征是什么 | 第22-23页 |
| ·矩形特征原型的选取 | 第23-24页 |
| ·特征的表示方式 | 第24-25页 |
| ·特征的数目 | 第25页 |
| ·积分图的快速运算 | 第25-28页 |
| ·矩形特征值的表示方法 | 第25-26页 |
| ·积分图的快速运算 | 第26-28页 |
| ·分类器形式 | 第28-30页 |
| ·弱分类器表示方式 | 第28页 |
| ·强分类器的表示方式 | 第28-29页 |
| ·多层分类器结构 | 第29-30页 |
| ·训练过程 | 第30-41页 |
| ·弱分类器的训练过程 | 第30-33页 |
| ·弱分类器训练过程如图3.5.1 所示 | 第31-32页 |
| ·训练过程分析 | 第32-33页 |
| ·强分类器的训练过程 | 第33-37页 |
| ·强分类器的训练过程如图3.5.2 所示 | 第34-35页 |
| ·训练过程分析 | 第35-37页 |
| ·多层分类器的训练过程 | 第37-38页 |
| ·多层分类器的训练过程如图3.5.3.1 所示 | 第37-38页 |
| ·训练过程的优化 | 第38-41页 |
| ·非人脸样本集的重新获取过程 | 第38-39页 |
| ·训练速度的优化 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 利用多层分类器检测人脸 | 第42-58页 |
| ·检测过程的详细描述 | 第42-48页 |
| ·图像预处理 | 第42-45页 |
| ·图像放缩法 | 第43-44页 |
| ·检测窗口和矩形特征逐层放大法 | 第44-45页 |
| ·多层分类器的结构形式 | 第45-46页 |
| ·检测具体过程 | 第46-47页 |
| ·图像后处理 | 第47-48页 |
| ·检测过程分析与讨论 | 第48-50页 |
| ·检测窗口和矩形特征放缩 | 第48-50页 |
| ·视频流中的人脸检测 | 第50-56页 |
| ·肤色模型 | 第51-53页 |
| ·肤色后处理 | 第53-54页 |
| ·检测速度比较和分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 实验结果及分析 | 第58-65页 |
| ·实验条件 | 第58页 |
| ·训练过程和结果 | 第58-60页 |
| ·训练前的准备 | 第58页 |
| ·训练中间结果 | 第58-59页 |
| ·训练最终结果——存储多层分类器结构形式 | 第59-60页 |
| ·检测结果及分析 | 第60-64页 |
| ·测试数据来源 | 第60页 |
| ·检测结果统计 | 第60-62页 |
| ·与其它方法的比较 | 第62-63页 |
| ·检测结果示例 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| ·工作总结 | 第65-66页 |
| ·工作展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 硕士研究生期间发表论文 | 第71-72页 |
| 致谢 | 第72页 |
