| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 人脸检测国内外的研究现状及问题 | 第12-18页 |
| 1.2.1 基于特征的人脸检测方法 | 第12-14页 |
| 1.2.2 基于统计理论的人脸检测方法 | 第14-15页 |
| 1.2.3 基于AdaBoost的人脸检测方法 | 第15-17页 |
| 1.2.4 人脸检测面临的主要困难 | 第17-18页 |
| 1.3 人脸识别国内外的研究现状及主要方法 | 第18-20页 |
| 1.3.1 基于子空间的人脸识别方法 | 第18-19页 |
| 1.3.2 其他人脸识别方法 | 第19-20页 |
| 1.4 本文的研究工作及章节安排 | 第20-23页 |
| 1.4.1 主要研究工作 | 第20-21页 |
| 1.4.2 论文章节安排 | 第21-23页 |
| 第二章 基于fast-AdaBoost算法的人脸检测 | 第23-37页 |
| 2.1 fast-AdaBoost算法 | 第23-26页 |
| 2.1.1 算法描述 | 第23-24页 |
| 2.1.2 算法流程图 | 第24-26页 |
| 2.2 矩形特征与积分图 | 第26-29页 |
| 2.2.1 前言 | 第26页 |
| 2.2.2 矩形特征 | 第26页 |
| 2.2.3 改进的矩形特征 | 第26-27页 |
| 2.2.4 积分图 | 第27-29页 |
| 2.3 弱分类器 | 第29-32页 |
| 2.3.1 Haar特征的向量内积 | 第29-30页 |
| 2.3.2 特征值f(x) | 第30-31页 |
| 2.3.3 阈值q、方向指示符p | 第31-32页 |
| 2.3.4 弱分类器的训练及选取 | 第32页 |
| 2.4 强分类器 | 第32-33页 |
| 2.5 级联分类器 | 第33-35页 |
| 2.5.1 级联分类器结构 | 第33-34页 |
| 2.5.2 级联分类器构造算法 | 第34-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第三章 基于LAC改进的动态样本权重更新人脸检测算法 | 第37-59页 |
| 3.1 基于fast-AdaBoost人脸检测算法的不足 | 第37-38页 |
| 3.2 LAC的基本原理 | 第38-42页 |
| 3.2.1 LAC的理论证明与推到 | 第38-40页 |
| 3.2.2 LAC方案的合理性验证与分析 | 第40-42页 |
| 3.3 结合LAC的权重动态更新fast-AdaBoost算法 | 第42-45页 |
| 3.3.1 算法流程 | 第42-43页 |
| 3.3.2 算法内容 | 第43-45页 |
| 3.4 串级人脸检测器的训练 | 第45-50页 |
| 3.4.1 训练样本集 | 第45-47页 |
| 3.4.2 串级人脸检测器的对比研究与分析 | 第47-50页 |
| 3.5 人脸检测系统 | 第50-53页 |
| 3.5.1 检测方法 | 第50-51页 |
| 3.5.2 人脸检测流程及原理 | 第51-53页 |
| 3.6 人脸检测实验结果分析 | 第53-57页 |
| 3.6.1 人脸检测算法评价准则 | 第53-54页 |
| 3.6.2 实验数据统计与分析 | 第54-55页 |
| 3.6.3 部分实验结果展示 | 第55-57页 |
| 3.6.4 实验总结 | 第57页 |
| 3.7 本章小结 | 第57-59页 |
| 第四章 基于PCA的人脸识别 | 第59-71页 |
| 4.1 引言 | 第59-60页 |
| 4.2 基于PCA的人脸识别算法原理 | 第60-65页 |
| 4.2.1 K-L变换 | 第60-61页 |
| 4.2.2 奇异值分解 | 第61-63页 |
| 4.2.3 分类器设计 | 第63-64页 |
| 4.2.4 人脸识别过程 | 第64-65页 |
| 4.3 人脸识别流程图 | 第65-67页 |
| 4.4 实验结果及分析 | 第67-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 论文工作总结 | 第71页 |
| 5.2 不足与进一步工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间发表学术论文 | 第79-81页 |
| 攻读学位期间参研的科研项目 | 第81页 |
