| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| ·研究背景和研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-19页 |
| ·人脸检测技术起源 | 第14页 |
| ·人脸检测研究难点 | 第14-15页 |
| ·人脸检测方法现状 | 第15-19页 |
| ·本文研究内容 | 第19-20页 |
| ·本文结构安排 | 第20-21页 |
| 第2章 人脸检测相关背景知识 | 第21-34页 |
| ·引言 | 第21页 |
| ·颜色原理及色彩空间 | 第21-25页 |
| ·RGB 色彩空间 | 第21-22页 |
| ·HSV 色彩空间 | 第22-23页 |
| ·HSI 色彩空间 | 第23-24页 |
| ·Y_Cb_Cr 色彩空间 | 第24页 |
| ·H_SI_I 色彩空间 | 第24-25页 |
| ·图像分割 | 第25-28页 |
| ·边界分割 | 第25-26页 |
| ·区域分割 | 第26-27页 |
| ·基于特定理论的分割 | 第27-28页 |
| ·数据分析中的学习算法 | 第28-30页 |
| ·有监督学习策略 | 第28-29页 |
| ·无监督学习策略 | 第29页 |
| ·半监督学习策略 | 第29-30页 |
| ·核方法 | 第30-32页 |
| ·Mercer 定理 | 第30-31页 |
| ·核方法在聚类中的应用 | 第31页 |
| ·经典聚类算法简介 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 半监督核聚类算法 | 第34-41页 |
| ·引言 | 第34页 |
| ·数据分析技术 | 第34-35页 |
| ·数据分类 | 第34页 |
| ·数据聚类 | 第34-35页 |
| ·Seed-Kernel-Decision-K 均值(SKDK 均值)算法 | 第35-36页 |
| ·EM 优化策略 | 第36-38页 |
| ·实验分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于 SKDK 算法的肤色模型构建 | 第41-47页 |
| ·引言 | 第41页 |
| ·肤色模型探讨 | 第41-44页 |
| ·颜色空间的选择(H_SI_I) | 第41-43页 |
| ·肤色建模 | 第43-44页 |
| ·基于 SKDK 均值算法的肤色模型建立 | 第44-45页 |
| ·肤色模型实验 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于肤色模型的人脸检测 | 第47-59页 |
| ·引言 | 第47页 |
| ·独立主成分分析法(ICA) | 第47-48页 |
| ·独立主成分法的基本假设 | 第47页 |
| ·独立主成分法的数学模型 | 第47-48页 |
| ·改进的 ICA 算法在人脸检测中的应用 | 第48-52页 |
| ·改进的 ICA 算法 | 第48-50页 |
| ·基于改进 ICA 算法的人脸检测实验 | 第50-52页 |
| ·连续 AdaBoost 算法 | 第52-56页 |
| ·算法介绍 | 第52-53页 |
| ·连续型 AdaBoost | 第53-54页 |
| ·特征和积分图 | 第54-55页 |
| ·Cascade 结构 | 第55-56页 |
| ·基于连续 AdaBoost 人脸检测实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 研究总结 | 第59页 |
| 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第67页 |