| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·人脸检测技术研究现状 | 第9-14页 |
| ·基于几何特征的检测方法 | 第10-11页 |
| ·基于肤色模型的检测方法 | 第11页 |
| ·基于统计理论的检测方法 | 第11-13页 |
| ·人脸检测方法的性能指标 | 第13-14页 |
| ·本文的主要内容及章节安排 | 第14-16页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文章节安排 | 第15-16页 |
| 第二章 基于YCbCr彩色空间的肤色检测 | 第16-26页 |
| ·彩色空间 | 第16-19页 |
| ·RGB 彩色空间 | 第16-17页 |
| ·HIS 彩色空间 | 第17-18页 |
| ·YCbCr 彩色空间 | 第18-19页 |
| ·彩色空间的选取 | 第19页 |
| ·肤色分割 | 第19-22页 |
| ·常见的肤色模型 | 第19-20页 |
| ·YCbCr 彩色空间中建立肤色模型 | 第20-21页 |
| ·肤色分割实例 | 第21-22页 |
| ·肤色分割后处理 | 第22-24页 |
| ·平滑滤波去噪 | 第22-23页 |
| ·形态学处理 | 第23-24页 |
| ·肤色区域选取及标注 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于Adaboost 算法的人脸检测原理与实现 | 第26-42页 |
| ·Adaboost 算法概述 | 第26-29页 |
| ·Haar-like 矩形特征 | 第29-32页 |
| ·矩形特征的概述 | 第29-31页 |
| ·矩形特征值的计算 | 第31-32页 |
| ·积分图 | 第32-34页 |
| ·Adaboost 训练算法 | 第34-36页 |
| ·训练样本的选择 | 第34页 |
| ·Haar 特征提取 | 第34-35页 |
| ·弱分类器的生成 | 第35页 |
| ·强分类器的生成 | 第35-36页 |
| ·多层级联分类器的设计 | 第36-38页 |
| ·Adaboost 算法的检测过程 | 第38-39页 |
| ·实验结果与分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 Adaboost 算法的优化 | 第42-50页 |
| ·Adaboost 算法存在的缺陷 | 第42页 |
| ·训练过程的优化 | 第42-44页 |
| ·Haar 矩形特征的扩展 | 第42-44页 |
| ·实验结果与分析 | 第44页 |
| ·Adaboost 算法检测过程的优化 | 第44-49页 |
| ·肤色检测作为Adaboost 算法检测的预处理 | 第45-46页 |
| ·实验结果与分析 | 第46-47页 |
| ·算法性能比较 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |