| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 人脸检测存在的问题 | 第14页 |
| 1.4 研究内容及主要工作 | 第14-15页 |
| 1.5 论文内容安排 | 第15-16页 |
| 第二章 人脸检测技术 | 第16-24页 |
| 2.1 人脸检测基础理论 | 第16-17页 |
| 2.2 基于知识的方法 | 第17-19页 |
| 2.2.1 基于特征的检测方法 | 第17-18页 |
| 2.2.2 基于肤色的检测方法 | 第18页 |
| 2.2.3 基于模板匹配的检测方法 | 第18-19页 |
| 2.3 基于学习的方法 | 第19-21页 |
| 2.3.1 Support Vector Machine 方法 | 第20页 |
| 2.3.2 Artificial Neural Network 方法 | 第20-21页 |
| 2.3.3 Bayes 方法 | 第21页 |
| 2.3.4 Adaboost 方法 | 第21页 |
| 2.4 本章小结 | 第21-24页 |
| 第三章 Adaboost 人脸检测算法 | 第24-40页 |
| 3.1 Boosting 方法简介 | 第24页 |
| 3.2 Adaboost 算法原理 | 第24-35页 |
| 3.2.1 Haar 特征 | 第26-27页 |
| 3.2.2 矩形特征 | 第27-30页 |
| 3.2.3 积分图 | 第30-32页 |
| 3.2.4 分类器 | 第32-34页 |
| 3.2.5 图像检测 | 第34-35页 |
| 3.3 本章实验 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 Adaboost 算法训练改进及实现 | 第40-56页 |
| 4.1 Adaboost 算法存在的缺陷 | 第40-41页 |
| 4.2 Adaboost 算法训练阶段优化 | 第41-48页 |
| 4.2.1 训练样本扩充 | 第41-42页 |
| 4.2.2 特征数量缩减 | 第42-44页 |
| 4.2.3 样本权重限制 | 第44-46页 |
| 4.2.4 本节实验 | 第46-48页 |
| 4.3 自判断机制 | 第48-51页 |
| 4.3.1 图像边缘 | 第48-49页 |
| 4.3.2 边缘能量 | 第49-50页 |
| 4.3.3 本节实验 | 第50-51页 |
| 4.4 改进训练的具体步骤 | 第51页 |
| 4.5 本章实验 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 误报缩减与实时人脸识别 | 第56-70页 |
| 5.1 误报缩减 | 第56-61页 |
| 5.1.1 肤色过滤 | 第57-58页 |
| 5.1.2 边缘蒙版 | 第58-60页 |
| 5.1.3 本节实验 | 第60-61页 |
| 5.2 人脸检测框架 | 第61-63页 |
| 5.3 人脸识别 | 第63-68页 |
| 5.3.1 PCA 算法 | 第63-65页 |
| 5.3.2 实时人脸识别 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的学术论文 | 第80页 |