| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸检测研究现状 | 第11-12页 |
| 1.3 人脸检测相关工作的主要挑战 | 第12-13页 |
| 1.4 论文的研究内容及章节安排 | 第13-15页 |
| 第二章 人脸检测方法综述 | 第15-19页 |
| 2.1 基于知识的方法 | 第15-16页 |
| 2.2 基于特征的方法 | 第16页 |
| 2.3 基于模板匹配的方法 | 第16-17页 |
| 2.4 基于统计学习的方法 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 聚合通道特征 | 第19-28页 |
| 3.1 LUV颜色空间 | 第19-21页 |
| 3.1.1 LUV颜色空间简介 | 第19-20页 |
| 3.1.2 RGB与LUV颜色空间转换 | 第20-21页 |
| 3.2 方向梯度直方图(HOG) | 第21-25页 |
| 3.2.1 HOG简介 | 第21页 |
| 3.2.2 HOG计算 | 第21-25页 |
| 3.3 聚合通道特征提取 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于AdaBoost的人脸检测 | 第28-44页 |
| 4.1 AdaBoost算法简介 | 第28-31页 |
| 4.2 AdaBoost算法分类器 | 第31-35页 |
| 4.2.1 弱分类器的构成与训练 | 第31-32页 |
| 4.2.2 强分类器的建立 | 第32页 |
| 4.2.3 错误率研究 | 第32-35页 |
| 4.3 级联分类器 | 第35-36页 |
| 4.4 基于聚合通道特征的正面人脸检测 | 第36-38页 |
| 4.5 实验结果与分析 | 第38-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 复杂背景下多视角人脸检测 | 第44-59页 |
| 5.1 视角介绍 | 第45-46页 |
| 5.2 AdaBoost-Nesting训练算法 | 第46-50页 |
| 5.2.1 嵌套级联检测器 | 第46-47页 |
| 5.2.2 AdaBoost-Nesting算法 | 第47-48页 |
| 5.2.3 实验结果与分析 | 第48-50页 |
| 5.3 姿态估计 | 第50-52页 |
| 5.3.1 姿态估计简介 | 第50-51页 |
| 5.3.2 姿态估计参数选择 | 第51-52页 |
| 5.4 基于聚合通道特征和AdaBoost-Nesting结构的多视角人脸检测 | 第52-57页 |
| 5.4.1 实验简介 | 第52-53页 |
| 5.4.2 实验结果与分析 | 第53-57页 |
| 5.5 本章小结 | 第57-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-68页 |
| 附录A 攻读学位期间所发表的学术论文 | 第68-69页 |
| 附录B 攻读学位期间参加的科研项目 | 第69页 |