| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究的目的与意义 | 第8页 |
| 1.2 人脸性别特征提取算法研究现状 | 第8-10页 |
| 1.3 人脸性别分类算法研究现状 | 第10-13页 |
| 1.4 性别识别基本流程 | 第13页 |
| 1.4.1 人脸检测 | 第13页 |
| 1.4.2 图像预处理 | 第13页 |
| 1.4.3 特征提取 | 第13页 |
| 1.4.4 性别识别 | 第13页 |
| 1.5 论文结构 | 第13-15页 |
| 第二章 基于积分图的Harr-like特征与Adaboost算法结合的人脸检测 | 第15-23页 |
| 2.1 Harr-like特征的提取 | 第15-17页 |
| 2.1.1 Harr-like特征的概念 | 第15-16页 |
| 2.1.2 Harr-like特征的意义 | 第16页 |
| 2.1.3 基于积分图的Harr-like特征值的计算 | 第16-17页 |
| 2.2 Adaboost算法 | 第17-19页 |
| 2.2.1 Adaboost算法概述 | 第17-18页 |
| 2.2.2 Adaboost算法的理论分析 | 第18-19页 |
| 2.3 基于积分图的Adaboost分类器训练 | 第19-20页 |
| 2.3.1 弱分类器的训练 | 第19-20页 |
| 2.3.2 强分类器 | 第20页 |
| 2.3.3 级联分类器 | 第20页 |
| 2.4 仿真实验 | 第20-22页 |
| 2.4.1 Harr-like特征模板的选取 | 第20-21页 |
| 2.4.2 检测窗口的设定 | 第21-22页 |
| 2.4.3 实验结果及其分析 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于人脸图像的性别特征提取 | 第23-37页 |
| 3.1 人脸图像预处理 | 第23-24页 |
| 3.1.1 尺寸归一化 | 第23页 |
| 3.1.2 图像灰度变换 | 第23页 |
| 3.1.3 直方图均衡化 | 第23-24页 |
| 3.2 基于快速PCA的性别特征提取方法 | 第24-28页 |
| 3.2.1 快速PCA算法原理 | 第24-25页 |
| 3.2.2 基于快速PCA的性别特征提取步骤 | 第25-26页 |
| 3.2.3 仿真实验 | 第26-28页 |
| 3.3 基于MB-LBP算子的性别特征提取方法 | 第28-36页 |
| 3.3.1 LBP算子 | 第28-33页 |
| 3.3.2 仿真实验 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于人脸图像的性别识别 | 第37-62页 |
| 4.1 基于Adaboost的性别识别 | 第37-46页 |
| 4.1.1 Adaboost性别分类方法 | 第37-39页 |
| 4.1.2 基于MB-LBP特征的Adaboost性别分类器 | 第39-40页 |
| 4.1.3 基于主成分特征的Adaboost性别分类器 | 第40页 |
| 4.1.4 仿真实验 | 第40-46页 |
| 4.2 基于支持向量机的性别识别 | 第46-55页 |
| 4.2.1 SVM性别分类方法 | 第46-50页 |
| 4.2.2 基于MB-LBP特征的SVM性别分类器 | 第50页 |
| 4.2.3 基于主成分特征的SVM性别分类器 | 第50-51页 |
| 4.2.4 仿真实验 | 第51-55页 |
| 4.3 基于稀疏表示的性别识别 | 第55-57页 |
| 4.3.1 稀疏表示性别分类方法 | 第55-56页 |
| 4.3.2 仿真实验 | 第56-57页 |
| 4.4 基于多分类器融合的性别识别 | 第57-61页 |
| 4.4.1 多分类器融合步骤 | 第57-58页 |
| 4.4.2 仿真实验 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |
