| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-14页 |
| ·人脸检测的概念及难点 | 第7-8页 |
| ·人脸检测结果的评价标准 | 第8-9页 |
| ·人脸检测的研究现状 | 第9-10页 |
| ·基于知识的方法(Knowledge-based) | 第9-10页 |
| ·基于人脸局部特征的方法(Feature-based) | 第10页 |
| ·基于人脸整体统计信息的方法(Statistical-based) | 第10页 |
| ·研究的主要内容及采用的方法 | 第10-12页 |
| ·研究的主要内容 | 第10-11页 |
| ·采用的方法 | 第11页 |
| ·主要工作 | 第11-12页 |
| ·系统框架 | 第12-13页 |
| ·论文提纲 | 第13-14页 |
| 第2章 矩形特征 | 第14-21页 |
| ·矩形特征什么样子 | 第14页 |
| ·矩形特征 | 第14-17页 |
| ·矩形特征的数量 | 第17-18页 |
| ·利用积分图快速计算矩形特征 | 第18-21页 |
| 第3章 训练分类器 | 第21-37页 |
| ·多层分类器的构成 | 第21-23页 |
| ·基于矩形特征的弱分类器 | 第21页 |
| ·强分类器(Strong Classifier) | 第21-22页 |
| ·构成方式 | 第22-23页 |
| ·多层分类器的检测率与误检率 | 第23-24页 |
| ·训练方法 | 第24-31页 |
| ·训练过程 | 第24-25页 |
| ·如何训练强分类器 | 第25-28页 |
| ·如何构造弱分类器 | 第28-31页 |
| ·人脸样本与非人脸样本的获取方法 | 第31-35页 |
| ·获取人脸样本 | 第31-32页 |
| ·获取非人脸样本 | 第32-33页 |
| ·读取样本图像 | 第33-34页 |
| ·彩色图转灰度图 | 第34-35页 |
| ·训练过程中矩形特征值的计算 | 第35页 |
| ·多层分类器的存储结构 | 第35-37页 |
| 第4章 检测人脸 | 第37-44页 |
| ·传统方法 | 第37页 |
| ·本系统的方法 | 第37-39页 |
| ·传统方法的缺点 | 第37-38页 |
| ·本系统的检测流程 | 第38-39页 |
| ·检测过程的详细描述 | 第39-42页 |
| ·预处理 | 第39页 |
| ·检测的具体过程 | 第39-40页 |
| ·利用多层分类器检测子图像 | 第40-41页 |
| ·后处理 | 第41-42页 |
| ·分析与讨论 | 第42-44页 |
| 第5章 实验结果及分析 | 第44-53页 |
| ·训练过程及结果 | 第44-47页 |
| ·训练程序的执行界面 | 第44-45页 |
| ·训练的中间结果 | 第45-46页 |
| ·多层分类器的存储格式 | 第46-47页 |
| ·检测结果及分析 | 第47-52页 |
| ·检测软件 | 第47页 |
| ·测试数据的来源 | 第47-48页 |
| ·性能测试的统计结果 | 第48-50页 |
| ·检测性能的比较和分析 | 第50-52页 |
| ·检测结果示例 | 第52-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
