基于分类器融合的人脸检测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·人脸检测概述 | 第9-12页 |
| ·国内外研究现状 | 第9页 |
| ·人脸检测的一般方法 | 第9-12页 |
| ·技术难点 | 第12-13页 |
| ·本文主要工作及章节组织 | 第13-15页 |
| 第2章 局部编码二值模式特征(LAB) | 第15-22页 |
| ·Haar-like特征与积分图像 | 第15-18页 |
| ·对Haar-like特征的二值化编码扩展 | 第18-20页 |
| ·局部编码二值模式(LAB)特征分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 Adaboost算法原理分析 | 第22-32页 |
| ·提升算法 | 第22-23页 |
| ·离散Adaboost算法原理 | 第23-28页 |
| ·算法误差分析 | 第24-26页 |
| ·选择权值参数α | 第26-28页 |
| ·离散Adaboost算法原理的不足 | 第28页 |
| ·连续Adaboost算法分析 | 第28-30页 |
| ·改进的LUT型弱分类器 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于分类器融合的人脸检测方法 | 第32-36页 |
| ·cascade型级联分类器 | 第32-33页 |
| ·基于LAB特征图像的检测器 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 基于分类器融合的人脸检测系统实现 | 第36-54页 |
| ·人脸检测系统基本流程及框架 | 第36页 |
| ·样本图像的获取及预处理 | 第36-38页 |
| ·分类器的训练 | 第38-45页 |
| ·弱分类器的训练 | 第38-41页 |
| ·强分类器的训练 | 第41-43页 |
| ·级联分类器的训练 | 第43-44页 |
| ·训练好的分类器在测试集上的测试结果 | 第44-45页 |
| ·人脸检测流程及实现 | 第45-51页 |
| ·优化的检测策略 | 第45-47页 |
| ·检测器参数的优化及其实验结果 | 第47-48页 |
| ·LAB-查找表型级联检测器的实现 | 第48-51页 |
| ·检测结果分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·本文工作总结 | 第54页 |
| ·后续研究工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
