基于感兴趣区域检测的网络不良图片识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究状况 | 第12-13页 |
| 1.3 本文主要研究工作 | 第13-14页 |
| 1.4 本文的内容安排 | 第14-15页 |
| 第二章 感兴趣区域的检测与定位 | 第15-27页 |
| 2.1 基于姿态部件的人体区域检测 | 第15-22页 |
| 2.1.1 部件模型简介 | 第16页 |
| 2.1.2 部件模型中的结构约束 | 第16-19页 |
| 2.1.3 推理求解 | 第19-20页 |
| 2.1.4 学习过程 | 第20-22页 |
| 2.1.5 其他模型 | 第22页 |
| 2.2 基于颜色模型的皮肤区域检测 | 第22-26页 |
| 2.2.1 颜色空间 | 第23-24页 |
| 2.2.2 肤色模型 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于皮肤检测的不良图片识别 | 第27-38页 |
| 3.1 人脸检测 | 第27-31页 |
| 3.1.1 人脸检测的引入 | 第27页 |
| 3.1.2 人脸检测概述 | 第27-28页 |
| 3.1.3 基于LBP的Adaboost人脸检测 | 第28-29页 |
| 3.1.4 基于示例投票的人脸检测 | 第29-31页 |
| 3.2 肤色检测 | 第31-35页 |
| 3.2.1 图片预处理 | 第32页 |
| 3.2.2 肤色区域检测 | 第32-33页 |
| 3.2.3 特征与分类 | 第33-35页 |
| 3.3 实验及结果分析 | 第35-37页 |
| 3.3.1 实验设置 | 第36页 |
| 3.3.2 实验结果 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于躯干定位的不良图片识别 | 第38-48页 |
| 4.1 基于姿态部件的躯干检测与定位 | 第38-41页 |
| 4.1.1 姿态部件模型 | 第38-39页 |
| 4.1.2 基于Poselet的人体躯干检测 | 第39-41页 |
| 4.2 特征表示 | 第41-42页 |
| 4.2.1 高斯混合模型训练 | 第41页 |
| 4.2.2 计算Fisher向量 | 第41-42页 |
| 4.3 基于多候选区域投票的图片分类 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-47页 |
| 4.4.1 不良图像数据集 | 第43页 |
| 4.4.2 训练数据的自适应生成 | 第43-44页 |
| 4.4.3 训练集与测试集 | 第44-45页 |
| 4.4.4 结果与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 未来展望 | 第49-50页 |
| 参考文献 | 第50-57页 |
| 致谢 | 第57-58页 |
| 在学期间的研究成果及发表的学术论文 | 第58页 |
