基于粒子群的AdaBoost算法及其在人脸检测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景和意义 | 第8-9页 |
| ·人脸识别的国内外研究现状 | 第9-13页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文的内容安排 | 第13-14页 |
| 第二章 AdaBoost原算法 | 第14-23页 |
| ·人脸特征提取 | 第14-17页 |
| ·Haar-like特征值 | 第14-15页 |
| ·积分图像 | 第15-17页 |
| ·构造强分类器 | 第17-20页 |
| ·训练弱分类器 | 第17-18页 |
| ·实现强分类器 | 第18-20页 |
| ·误差学习 | 第20页 |
| ·分类器级联 | 第20-23页 |
| 第三章 支持向量机与粒子群 | 第23-32页 |
| ·支持向量机简介 | 第23-30页 |
| ·最优分离超平面 | 第24-28页 |
| ·SVM的核函数 | 第28-29页 |
| ·SVM的构造方法 | 第29-30页 |
| ·粒子群算法简介 | 第30-32页 |
| 第四章 PSO-AdaBoost算法及人脸检测 | 第32-41页 |
| ·PSO-AdaBoost算法 | 第32-37页 |
| ·训练基于SVM的弱分类器 | 第32-33页 |
| ·构造弱分类器级联 | 第33-34页 |
| ·PSO优化弱分类器系数 | 第34-37页 |
| ·PSO-AdaBoost人脸检测系统结构 | 第37-41页 |
| 第五章 实验结果及其分析 | 第41-46页 |
| ·实验测试数据库和平台 | 第41页 |
| ·实验参数设置 | 第41页 |
| ·实验检测结果 | 第41-46页 |
| 第六章 结论和展望 | 第46-48页 |
| ·本文主要工作 | 第46-47页 |
| ·创新之处 | 第47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在校期间发表的论文、科研成果等 | 第51-52页 |
| 致谢 | 第52页 |
