| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-14页 |
| 1.2.1 人脸检测概述 | 第10-13页 |
| 1.2.2 人脸识别概述 | 第13-14页 |
| 1.3 人脸检测与识别效果的评价指标 | 第14-15页 |
| 1.3.1 检测效果的评价指标 | 第14页 |
| 1.3.2 识别效果的评价指标 | 第14-15页 |
| 1.4 本文的研究内容和结构 | 第15-17页 |
| 1.4.1 论文的研究内容 | 第15页 |
| 1.4.2 论文的结构 | 第15-17页 |
| 第二章 人脸图像预处理 | 第17-23页 |
| 2.1 图像光照预处理 | 第17-19页 |
| 2.2 图像去噪处理 | 第19-20页 |
| 2.3 图像尺寸归一化处理 | 第20-21页 |
| 2.4 图像分割 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于Adaboost算法的人脸检测 | 第23-32页 |
| 3.1 Adaboost算法概述 | 第23页 |
| 3.2 Haar特征与积分图 | 第23-26页 |
| 3.2.1 Haar特征 | 第23-25页 |
| 3.2.2 积分图 | 第25-26页 |
| 3.3 分类器的构建 | 第26-29页 |
| 3.3.1 弱分类的构建 | 第26-27页 |
| 3.3.2 强分类器的构建 | 第27-28页 |
| 3.3.3 级联分类器的构建 | 第28-29页 |
| 3.4 Adaboost算法的实现与结果分析 | 第29-31页 |
| 3.4.1 人脸检测 | 第29-30页 |
| 3.4.2 实验结果及分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于肤色分割与Adaboost算法的人脸检测 | 第32-42页 |
| 4.1 颜色空间 | 第32-35页 |
| 4.1.1 RGB颜色空间 | 第32-33页 |
| 4.1.2 HSV颜色空间 | 第33-34页 |
| 4.1.3 YCbCr颜色空间 | 第34页 |
| 4.1.4 颜色空间的对比与选择 | 第34-35页 |
| 4.2 YCbCr颜色空间的改进 | 第35-36页 |
| 4.3 肤色分割 | 第36-37页 |
| 4.4 形态学处理 | 第37页 |
| 4.5 基于肤色分割与Adaboost算法的人脸检测的实现 | 第37-39页 |
| 4.6 人脸检测算法的对比与统计分析 | 第39-40页 |
| 4.7 本章小结 | 第40-42页 |
| 第五章 人脸识别算法的研究与实现 | 第42-54页 |
| 5.1 主成分分析法PCA | 第42-43页 |
| 5.2 线性鉴别分析法LDA | 第43-44页 |
| 5.3 Fisherfaces算法描述 | 第44-46页 |
| 5.4 LBP算法描述 | 第46-48页 |
| 5.4.1 LBP算子 | 第46-48页 |
| 5.4.2 LBP特征的提取 | 第48页 |
| 5.5 结合LBP和PCA的人脸识别 | 第48-52页 |
| 5.5.1 人脸识别算法的实现 | 第49-51页 |
| 5.5.2 实验结果与分析 | 第51-52页 |
| 5.6 本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 研究生期间发表论文及参加项目情况 | 第60-61页 |