| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究目的和意义 | 第10-11页 |
| ·课题的国内外研究现状 | 第11页 |
| ·人脸检测相关技术介绍 | 第11-15页 |
| ·聚类和 PCA | 第12-13页 |
| ·神经网 | 第13-14页 |
| ·支持向量机 | 第14页 |
| ·Boosting | 第14-15页 |
| ·论文的主要工作 | 第15-17页 |
| 第二章 基于 AdaBoost 的人脸检测算法 | 第17-35页 |
| ·概述 | 第17页 |
| ·Boosting 算法 | 第17-18页 |
| ·AdaBoost 算法 | 第18-29页 |
| ·矩形特征和积分图 | 第18-23页 |
| ·AdaBoost 训练算法 | 第23-27页 |
| ·级联分类器 | 第27-29页 |
| ·人脸检测系统的实现 | 第29-31页 |
| ·样本离线训练 | 第29-30页 |
| ·人脸测试过程 | 第30-31页 |
| ·实验结果 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于霍夫变换的 AdaBoost 人脸检测算法 | 第35-44页 |
| ·引言 | 第35页 |
| ·霍夫变换 | 第35-36页 |
| ·霍夫椭圆检测 | 第36-39页 |
| ·寻找椭圆中心 | 第37-38页 |
| ·寻找余下参数 | 第38页 |
| ·实验 | 第38-39页 |
| ·基于改进 RHT 的椭圆检测 | 第39-42页 |
| ·改进的 RHT 椭圆检测 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·人脸候选区 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于 Camshift 的 AdaBoost 的人脸检测算法 | 第44-55页 |
| ·人脸跟踪算法介绍 | 第44-45页 |
| ·基于特征的跟踪方法 | 第44页 |
| ·基于滤波理论的跟踪方法 | 第44-45页 |
| ·基于偏微分方程的跟踪方法 | 第45页 |
| ·基于 Mean Shift 的跟踪方法 | 第45页 |
| ·Camshift 算法 | 第45-48页 |
| ·颜色直方图 | 第45-46页 |
| ·Mean Shift 算法 | 第46-48页 |
| ·基于 Camshift 的人脸检测系统 | 第48-50页 |
| ·实验结果 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于 DIM3517 平台的人脸检测系统 | 第55-71页 |
| ·概述 | 第55页 |
| ·DIM3517 系统硬件平台 | 第55-60页 |
| ·AM3517 核心 | 第55-56页 |
| ·SEED-DIM3517 结构 | 第56-58页 |
| ·SEED-DIM3517 软件平台和工具链 | 第58-60页 |
| ·移植 | 第60-65页 |
| ·OpenCV 的移植 | 第61-63页 |
| ·算法移植 | 第63-65页 |
| ·优化 | 第65-69页 |
| ·使用 gprof 对程序进行检测 | 第66页 |
| ·优化 | 第66-69页 |
| ·实验结果 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-72页 |
| ·总结 | 第71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录：作者在读期间发表的论文及参加的科研项目 | 第77页 |