| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景 | 第8-9页 |
| ·研究难点 | 第9-11页 |
| ·人脸检测方法的性能评测 | 第11-13页 |
| ·人脸检测的评价标准 | 第11-12页 |
| ·性能评测 | 第12-13页 |
| ·经典方法概述 | 第13-16页 |
| ·基于知识的人脸检测方法 | 第13-14页 |
| ·基于子空间的方法 | 第14-15页 |
| ·神经网络 Neural Network | 第15页 |
| ·支持向量机 Support Vector Machine(SVM) | 第15-16页 |
| ·隐马尔可夫模型 Hidden Markov Model(HMM) | 第16页 |
| ·基于 AdaBoost算法的方法 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 AdaBoost算法概述 | 第18-33页 |
| ·PAC学习模型 | 第18-20页 |
| ·概述 | 第18-19页 |
| ·数学描述 | 第19-20页 |
| ·弱学习与强学习 | 第20页 |
| ·AdaBoost训练算法 | 第20-22页 |
| ·特征与特征值计算 | 第22-23页 |
| ·矩形特征 Rectangle Feature | 第22页 |
| ·特征模版 | 第22-23页 |
| ·特征数目的计算 | 第23页 |
| ·积分图Integral Image | 第23-26页 |
| ·弱分类器 Weak Classifer | 第26-27页 |
| ·特征值f(x) | 第26页 |
| ·阈值θ、方向指示符p | 第26-27页 |
| ·弱分类器的训练及选取 | 第27页 |
| ·强分类器Strong Classifier | 第27-28页 |
| ·级联分类器 | 第28-29页 |
| ·训练级联分类器 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 对 AdaBoost算法的改进 | 第33-45页 |
| ·对 AdaBoost训练算法的改进 | 第33-40页 |
| ·算法改进的思路 | 第33-36页 |
| ·Server端 AdaBoost算法 | 第36-37页 |
| ·Client端 AdaBoost算法 | 第37-38页 |
| ·改进后的 AdaBoost训练算法的性能分析 | 第38页 |
| ·实验结果及分析 | 第38-40页 |
| ·并行人脸检测算法 | 第40-42页 |
| ·算法改进思想 | 第40-41页 |
| ·并行人脸检测算法的实现 | 第41-42页 |
| ·实验结果及分析 | 第42页 |
| ·对移动步长策略的改进 | 第42-44页 |
| ·标准的目标检测算法 | 第42-43页 |
| ·改进后的目标检测算法 | 第43-44页 |
| ·实验结果及分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 人脸检测系统设计与实现 | 第45-55页 |
| ·系统总体设计 | 第45-46页 |
| ·训练图片获取 | 第46-48页 |
| ·图像预处理 | 第48页 |
| ·训练分类器 | 第48-51页 |
| ·产生特征数据文件 | 第48-49页 |
| ·强分类器训练 | 第49-51页 |
| ·人脸检测过程 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间主要的研究成果 | 第61页 |