| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 论文结构安排 | 第14-17页 |
| 2 相关工作 | 第17-31页 |
| 2.1 人脸数据集 | 第17-19页 |
| 2.1.1 LFW人脸数据集 | 第18页 |
| 2.1.2 FDBB人脸数据集 | 第18-19页 |
| 2.1.3 PASCAL Faces人脸数据集 | 第19页 |
| 2.2 特征提取方法 | 第19-22页 |
| 2.2.1 Haar-like特征 | 第19-20页 |
| 2.2.2 HOG特征 | 第20-21页 |
| 2.2.3 SIFT特征 | 第21页 |
| 2.2.4 LBP特征 | 第21页 |
| 2.2.5 深度学习特征 | 第21-22页 |
| 2.3 机器学习方法 | 第22-23页 |
| 2.3.1 AdaBoost算法 | 第22-23页 |
| 2.3.2 SVM算法 | 第23页 |
| 2.4 目标检测框架 | 第23-27页 |
| 2.4.1 DPM目标检测框架 | 第23-24页 |
| 2.4.2 基于深度学习的目标检测框架 | 第24-27页 |
| 2.5 评估方法 | 第27-29页 |
| 2.5.1 精确率和召回率 | 第27-28页 |
| 2.5.2 ROC曲线 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 实验数据集收集及其标注 | 第31-35页 |
| 3.1 celian4034数据集 | 第31-32页 |
| 3.2 360face数据集 | 第32-33页 |
| 3.3 celian200数据集 | 第33页 |
| 3.4 数据集的标注和校准 | 第33-34页 |
| 3.4.1 数据集标注 | 第34页 |
| 3.4.2 数据集校准 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 人脸检测算法性能的大规模对比分析 | 第35-45页 |
| 4.1 Viola&Jones人脸检测算法 | 第35-37页 |
| 4.2 LAEO人脸检测算法 | 第37-38页 |
| 4.3 DPM_baseline人脸检测算法 | 第38-39页 |
| 4.4 CNN_FD人脸检测算法 | 第39-40页 |
| 4.5 实验结果和分析 | 第40-43页 |
| 4.6 本章小结 | 第43-45页 |
| 5 耳朵信息对侧脸检测算法性能的影响 | 第45-53页 |
| 5.1 数据集 | 第45-46页 |
| 5.1.1 负样本数据集 | 第45页 |
| 5.1.2 正样本数据集 | 第45-46页 |
| 5.1.3 人脸边界框文件 | 第46页 |
| 5.2 利用DPM方法训练侧脸检测器 | 第46-47页 |
| 5.3 利用Viola&Jones方法训练侧脸检测器 | 第47-48页 |
| 5.3.1 使用Viola&Jones训练前的调整 | 第47页 |
| 5.3.2 Viola&Jones的训练过程 | 第47-48页 |
| 5.4 利用Fast RCNN方法训练侧脸检测器 | 第48-49页 |
| 5.5 实验结果和分析 | 第49-51页 |
| 5.6 本章小结 | 第51-53页 |
| 6 采用集成学习方法设计侧脸检测器 | 第53-63页 |
| 6.1 使用DPM训练侧脸检测器 | 第53-54页 |
| 6.2 使用Fast R-CNN训练侧脸检测器 | 第54-55页 |
| 6.3 集成算法 | 第55-57页 |
| 6.4 和其他算法的比较 | 第57-61页 |
| 6.5 本章小结 | 第61-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文 | 第73-74页 |