| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-16页 |
| ·人脸检测研究的背景 | 第11-13页 |
| ·人脸检测的研究难点及现状 | 第13-14页 |
| ·本研究的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第2章 人脸检测研究综述 | 第16-23页 |
| ·人脸检测的定义及分类 | 第16-18页 |
| ·人脸检测方法分类 | 第18-19页 |
| ·国内外公用人脸检测图像数据库 | 第19-21页 |
| ·人脸检测系统的性能评价指标 | 第21-23页 |
| 第3章 数理形态学相关理论 | 第23-44页 |
| ·数理形态学的发展 | 第23-24页 |
| ·数理形态学与数字图像处理 | 第24-25页 |
| ·二值图像的数理形态学 | 第25-34页 |
| ·二值形态学的理论基础简介 | 第25-28页 |
| ·二值形态学的基本变换 | 第28-31页 |
| ·应用及实验 | 第31-34页 |
| ·灰度图像的数理形态学 | 第34-44页 |
| ·预备数学知识 | 第34-35页 |
| ·阴影集与上表面 | 第35-36页 |
| ·灰度膨胀与腐蚀 | 第36-39页 |
| ·灰度开与闭运算 | 第39-41页 |
| ·应用及实验 | 第41-44页 |
| 第4章 集成学习与Adaboost算法 | 第44-55页 |
| ·集成机器学习 | 第44-47页 |
| ·弱分类器 | 第45-46页 |
| ·集成方法 | 第46-47页 |
| ·AdaBoost算法及其性能分析 | 第47-55页 |
| ·AdaBoost算法 | 第47-49页 |
| ·AdaBoost算法性能分析 | 第49-52页 |
| ·viola的变形AdaBoost | 第52-55页 |
| 第5章 基于数理形态学和AdaBoost算法的人脸检测 | 第55-76页 |
| ·本文脸检测的处理流程 | 第55页 |
| ·基于数理形态学的人脸检出 | 第55-62页 |
| ·多结构元素瞳孔检测滤波器 | 第56-58页 |
| ·候选人脸的提取 | 第58-59页 |
| ·实验结果 | 第59-62页 |
| ·人脸验证 | 第62-76页 |
| ·人脸样本选取 | 第62-64页 |
| ·非人脸样本选取 | 第64页 |
| ·人脸特征的选取 | 第64-66页 |
| ·弱分类器构建 | 第66-68页 |
| ·强分类器构建 | 第68-69页 |
| ·基于级联分类器的人脸验证 | 第69-71页 |
| ·实验结果及分析 | 第71-76页 |
| 第6章 总结与展望 | 第76-78页 |
| ·本文总结 | 第76-77页 |
| ·本文算法优势 | 第76-77页 |
| ·本文算法缺陷 | 第77页 |
| ·未来工作展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 附录一: 作者攻读硕士学位期间发表的论文 | 第83-84页 |
| 附录二: 作者攻读硕士学位期间参与的科研项目 | 第84-85页 |
| 致谢 | 第85页 |