首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸检测方法研究

摘要第1-5页
Abstract第5-7页
图目录第7-8页
目录第8-10页
第一章 绪论第10-23页
   ·背景第10-11页
   ·人脸检测研究进展第11-12页
   ·人脸检测方法及分类第12-18页
     ·自上而下的人脸检测方法第13-15页
     ·自下而上的人脸检测方法第15-18页
   ·人脸图像库与人脸检测方法性能评价第18-20页
     ·人脸检测问题可用的图像库第18-19页
     ·人脸检测方法性能评价第19-20页
   ·本文的主要工作第20-21页
   ·本文的主要贡献第21页
   ·本文的组织结构第21-23页
第二章 基于Adaboost算法的人脸检测第23-53页
   ·矩形特征第23-30页
     ·特征讨论第25-27页
     ·积分图像第27-29页
     ·小结第29-30页
   ·Adaboost算法第30-42页
     ·前言第30页
     ·Adaboost算法第30-31页
     ·错误率分析第31-34页
     ·举例分析第34-35页
     ·弱分类器第35-36页
     ·Adaboost算法的改进及构造人脸检测分类器第36-42页
   ·层叠分类器第42-48页
     ·训练层叠分类器第43-45页
     ·简单实验第45-46页
     ·多层叠分类器第46-48页
   ·实验第48-52页
     ·训练集第48-49页
     ·训练结果及多层叠分类器的结构第49-50页
     ·测试集及实验结果第50-52页
   ·结论第52-53页
第三章 基于肤色的人脸检测第53-64页
   ·引言第53页
   ·光照校正第53-54页
   ·检测肤色区域第54-56页
     ·颜色模型的选择第54页
     ·人脸肤色模型第54-55页
     ·分割肤色区域第55-56页
   ·区域分割与区域合并第56-58页
   ·基于肤色的人脸验证方法第58-61页
   ·基于多层叠分类器的人脸验证方法第61-63页
     ·基于多层叠分类器的人脸验证算法第61-62页
     ·实验结果第62-63页
   ·结论第63-64页
第四章 总结与展望第64-66页
   ·本文总结第64-65页
   ·进一步的工作第65-66页
     ·通过SVM构造最优超平面和提高泛化能力第65页
     ·提高基于肤色的检测算法的适用范围第65-66页
致谢第66-67页
参考文献第67-72页
附录A 硕士期间参与的科研项目第72-73页
附录B 硕士期间发表的论文第73页

论文共73页,点击 下载论文
上一篇:大学英语产出性能力的培养
下一篇:面向对象多任务生产线仿真的研究与设计