| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·人脸检测的发展历史与研究现状 | 第12-13页 |
| ·人脸检测的难点 | 第13-14页 |
| ·论文研究意义及内容结构 | 第14-17页 |
| 第二章 检测方法原理，算法分类比较 | 第17-26页 |
| ·基于几何特征的方法 | 第17-19页 |
| ·基于先验知识的方法 | 第17-19页 |
| ·基于局部特征的方法 | 第19页 |
| ·基于模板的方法 | 第19页 |
| ·基于肤色模型的方法 | 第19-20页 |
| ·基于统计理论的方法 | 第20-25页 |
| ·神经网络方法 | 第21-22页 |
| ·支持向量机方法 | 第22-23页 |
| ·隐马尔可夫模型方法 | 第23-24页 |
| ·子空间方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 DAVINCI 硬件实验平台 | 第26-36页 |
| ·DAVINCI 技术内涵 | 第26-28页 |
| ·DAVINCI 的主要优势 | 第28-30页 |
| ·API 的强大功能 | 第28-29页 |
| ·操作系统支持 | 第29页 |
| ·灵活的编程 | 第29-30页 |
| ·DAVINCI 软件 | 第30-35页 |
| ·xDAIS 和xDM | 第30-32页 |
| ·Codec Engine 和Codec Server | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 ADABOOST 算法 | 第36-53页 |
| ·HAAR 特征 | 第36-38页 |
| ·积分图 | 第38-39页 |
| ·普通矩形积分图计算 | 第38-39页 |
| ·旋转矩形积分图计算 | 第39页 |
| ·利用积分图计算特征值的灰度和 | 第39-40页 |
| ·ADABOOST 算法 | 第40-43页 |
| ·人脸检测中的弱分类器训练和选择 | 第43-47页 |
| ·不同特征对于人脸的表现 | 第44-45页 |
| ·分类器金字塔 | 第45-46页 |
| ·特征训练及选取 | 第46-47页 |
| ·层级级联强分类器 | 第47-48页 |
| ·在WINDOWS 平台下的实验结果 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 算法优化实现 | 第53-63页 |
| ·实验系统与开发环境 | 第53-54页 |
| ·算法优化 | 第54-56页 |
| ·基于肤色优化 | 第54-56页 |
| ·分类器优化 | 第56页 |
| ·编程优化 | 第56-59页 |
| ·双核负载平衡 | 第56-57页 |
| ·浮点定点化 | 第57-58页 |
| ·使用IMGLIB | 第58页 |
| ·使用线性汇编 | 第58页 |
| ·循环展开 | 第58-59页 |
| ·实验结果 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 总结和展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·未来工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-71页 |
| 详细摘要 | 第71-74页 |