| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 应用领域 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-14页 |
| 1.3.1 目标检测方法分类和评价的指标 | 第10-12页 |
| 1.3.2 发展趋势 | 第12-14页 |
| 1.4 本文主要工作内容及文章结构安排 | 第14-16页 |
| 1.4.1 主要工作内容 | 第14-15页 |
| 1.4.2 文章结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 Haar-like 特征及积分图法 | 第17-27页 |
| 2.1 Haar-like 矩形特征方法 | 第19-23页 |
| 2.1.1 Haar 特征的起源 | 第19-20页 |
| 2.1.2 本文采用的 Haar-like 矩形特征 | 第20页 |
| 2.1.3 Haar-like 矩形特征的表示 | 第20-22页 |
| 2.1.4 图中 Haar-like 特征总数的计算 | 第22-23页 |
| 2.2 利用积分图像法快速计算 Haar-like 矩形特征 | 第23-26页 |
| 2.2.1 未旋转的积分图 | 第23-24页 |
| 2.2.2 旋转 45°的积分图像 | 第24-26页 |
| 2.2.3 利用积分图法求矩形特征值 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 Adaboost 图像的检测及训练算法 | 第27-33页 |
| 3.1 算法 boosting 的原理学习 | 第27-29页 |
| 3.2 Adaboost 算法 | 第29-30页 |
| 3.3 分类器训练 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于结构化 haar 特征的检测系统的设计 | 第33-51页 |
| 4.1 训练样本的创建 | 第33-36页 |
| 4.1.1 人脸的样本库的创建 | 第33-34页 |
| 4.1.2 非人脸的样本库的创建 | 第34-35页 |
| 4.1.3 训练文件生成系统 | 第35-36页 |
| 4.2 基本 haar 特征和人脸的结构化 haar 特征的构造 | 第36-40页 |
| 4.3 基于人脸的结构化 haar 特征训练过程 | 第40-44页 |
| 4.3.1 弱的分类器的训练的过程的设计 | 第40-42页 |
| 4.3.2 设计强的分类器的训练的过程 | 第42页 |
| 4.3.3 训练级联分类器过程的设计 | 第42-44页 |
| 4.4 目标检测阶段 | 第44-49页 |
| 4.4.1 固定的窗口的检测的方法 | 第44-45页 |
| 4.4.2 动态窗口检测法 | 第45-47页 |
| 4.4.3 检测的结果后续的处理的过程 | 第47-48页 |
| 4.4.4 比较两种检测算法的实验结果 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 目标检测系统实现以及应用 | 第51-65页 |
| 5.1 目标检测系统的实现 | 第51-54页 |
| 5.2 结构化 haar 特征用于人脸检测 | 第54-59页 |
| 5.2.1 结构化 haar 特征的构造 | 第54-55页 |
| 5.2.2 人脸检测实验结果比较和分析 | 第55-59页 |
| 5.3 结构化 haar 特征用于实时道路车辆检测 | 第59-63页 |
| 5.3.1 结构化 haar 特征的构造 | 第59-60页 |
| 5.3.2 车辆检测实验结果比较及分析 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
