| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于知识的人脸检测算法 | 第12-14页 |
| 1.2.2 基于统计理论的人脸检测算法 | 第14-16页 |
| 1.3 本文的主要工作和内容安排 | 第16-18页 |
| 第2章 AdaBoost 算法 | 第18-30页 |
| 2.1 人脸特征提取 | 第18-22页 |
| 2.1.1 Haar-like 特征 | 第18-19页 |
| 2.1.2 Haar-like 特征数量计算 | 第19-21页 |
| 2.1.3 积分图像 | 第21-22页 |
| 2.2 离散 AdaBoost 算法 | 第22-25页 |
| 2.2.1 离散 AdaBoost 过程简介 | 第23-24页 |
| 2.2.2 离散 AdaBoost 算法简介 | 第24-25页 |
| 2.3 连续 AdaBoost 算法 | 第25-28页 |
| 2.3.1 连续 AdaBoost 过程简介 | 第26-27页 |
| 2.3.2 连续 AdaBoost 算法简介 | 第27-28页 |
| 2.4 级联分类器 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 改进的 PSO-AdaBoost 训练算法 | 第30-40页 |
| 3.1 粒子群优化算法 | 第30-31页 |
| 3.1.1 PSO 算法基本原理 | 第30-31页 |
| 3.1.2 PSO 算法流程 | 第31页 |
| 3.2 PSO-AdaBoost 算法 | 第31-36页 |
| 3.2.1 训练难点及优化 | 第32-33页 |
| 3.2.2 PSO- AdaBoost 算法的改进 | 第33-34页 |
| 3.2.3 改进的 PSO- AdaBoost 算法流程 | 第34页 |
| 3.2.4 改进的 PSO-AdaBoost 人脸检测系统结构 | 第34-36页 |
| 3.3 检测结果 | 第36-39页 |
| 3.3.1 实验测试数据库 | 第36页 |
| 3.3.2 实验参数设置 | 第36页 |
| 3.3.3 实验检测结果 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 改进的连续 AdaBoost 算法 | 第40-48页 |
| 4.1 连续 AdaBoost 算法 | 第40-42页 |
| 4.1.1 样本空间等距划分的缺点 | 第40页 |
| 4.1.2 连续型输出值的分析 | 第40-41页 |
| 4.1.3 过学习现象与偏见现象 | 第41-42页 |
| 4.2 连续 AdaBoost 的改进算法 | 第42-44页 |
| 4.2.1 对样本空间划分部分的分析 | 第42页 |
| 4.2.2 空间划分的度量 | 第42-43页 |
| 4.2.3 改进的连续 AdaBoost 算法 | 第43-44页 |
| 4.2.4 提高算法性能的建议 | 第44页 |
| 4.3 检测结果 | 第44-47页 |
| 4.3.1 样本集的选取 | 第44-45页 |
| 4.3.2 实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录 A 攻读硕士学位期间所发表的学术论文 | 第54页 |
