| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| 1．1 课题的研究意义和研究背景 | 第7-8页 |
| 1．2 人脸检测研究现状 | 第8-9页 |
| 1．3 本文的研究内容与结构 | 第9-11页 |
| 2 人脸检测方法概述 | 第11-20页 |
| 2．1 特征提取方案分类 | 第11-15页 |
| 2．1．1 边缘轮廓特征 | 第11-12页 |
| 2．1．2 肤色特征 | 第12页 |
| 2．1．3 纹理特征 | 第12-13页 |
| 2．1．4 投影特征 | 第13-14页 |
| 2．1．5 结构特征 | 第14页 |
| 2．1．6 变换城 | 第14-15页 |
| 2．1．7 融和多种特征 | 第15页 |
| 2．2 分类方法 | 第15-19页 |
| 2．2．1 基于特征 | 第16页 |
| 2．2．2 基于模板 | 第16-17页 |
| 2．2．3 基于统计理论 | 第17-19页 |
| 2．3 小结 | 第19-20页 |
| 3 支持向量机理论概述 | 第20-34页 |
| 3．1 引言 | 第20-21页 |
| 3．2 SVM基本概念 | 第21-26页 |
| 3．2．1 机器学习理论概述 | 第21-22页 |
| 3．2．2 线性SVM | 第22-24页 |
| 3．2．3 非线性SVM | 第24-26页 |
| 3．3 SVM分类 | 第26-28页 |
| 3．3．1 V-SVM | 第26-27页 |
| 3．3．2 LS-SVM | 第27页 |
| 3．3．3 W-SVM | 第27-28页 |
| 3．4 SVM训练算法 | 第28-30页 |
| 3．4．1 预处理 | 第28页 |
| 3．4．2 训练算法 | 第28-30页 |
| 3．4．3 序贯最小优化方法(SMO)算法 | 第30页 |
| 3．5 实验结果 | 第30-32页 |
| 3．6 小结 | 第32-34页 |
| 4 小波系数提取 | 第34-43页 |
| 4．1 Haar小波变换和重构 | 第34-36页 |
| 4．2 小波提升法 | 第36-39页 |
| 4．3 小波系数提取方法 | 第39-43页 |
| 5 基于支持向量机的人脸检测系统 | 第43-55页 |
| 5．1 系统流程图 | 第43-44页 |
| 5．2 采集训练样本 | 第44-47页 |
| 5．2．1 预处理模块 | 第44-46页 |
| 5．2．2 bootstraps与剪裁选取方案 | 第46-47页 |
| 5．3 训练SVM | 第47-50页 |
| 5．3．1 不同参数下的训练效果 | 第47-48页 |
| 5．3．2 coarse-to-fine思想的应用 | 第48页 |
| 5．3．3 SVM+boost方法 | 第48-50页 |
| 5．4 搜索方案 | 第50-53页 |
| 5．5 多角度人脸检测 | 第53-54页 |
| 5．6 基于SVM的人脸检测方法小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6．1 本人工作总结 | 第55页 |
| 6．2 对新技术方法的展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
| 大连理工大学学位论文版权使用授权书 | 第63页 |