| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 缩略词表 | 第10-11页 |
| 第一章 绪论 | 第11-23页 |
| ·课题背景与意义 | 第11-13页 |
| ·人脸检测和眼睛定位研究的进展 | 第13-14页 |
| ·人脸检测主要方法 | 第14-19页 |
| ·基于知识的人脸检测方法 | 第14-17页 |
| ·模板匹配 | 第15页 |
| ·人脸特征 | 第15页 |
| ·形状与边缘 | 第15-16页 |
| ·纹理特性 | 第16页 |
| ·颜色特征 | 第16-17页 |
| ·基于统计的人脸检测方法 | 第17-19页 |
| ·主成分分析与特征脸 | 第17页 |
| ·神经网络方法 | 第17-18页 |
| ·支持向量机 | 第18页 |
| ·隐马尔可夫模型 | 第18-19页 |
| ·Adaboost 算法 | 第19页 |
| ·人脸检测系统的评价标准 | 第19-22页 |
| ·评价指标 | 第19-20页 |
| ·人脸检测问题可用的图像库 | 第20-22页 |
| ·论文的工作及内容安排 | 第22-23页 |
| 第二章 矩形特征和积分图 | 第23-33页 |
| ·引言 | 第23页 |
| ·矩形特征 | 第23-28页 |
| ·概述 | 第23-24页 |
| ·特征模板 | 第24页 |
| ·图像特征总数的计算 | 第24-28页 |
| ·图像内的条件矩形 | 第25页 |
| ·条件矩形数量的计算 | 第25-26页 |
| ·图像的特征矩形数量 | 第26页 |
| ·本论文实验的特征数量结果 | 第26-28页 |
| ·积分图 | 第28-32页 |
| ·概念 | 第28-30页 |
| ·利用积分图计算矩形特征值 | 第30-32页 |
| ·图像区域的积分图计算 | 第30-31页 |
| ·矩形特征的特征值计算 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于 Adaboost 的人脸检测算法研究 | 第33-56页 |
| ·Adaboost 算法相关知识概述 | 第33-36页 |
| ·PAC 学习模型介绍 | 第33-34页 |
| ·Boosting 算法简介 | 第34-35页 |
| ·Adaboost 算法简介 | 第35-36页 |
| ·基于 Adaboost 的人脸检测训练算法 | 第36-45页 |
| ·Adaboost 算法 | 第36-38页 |
| ·Adaboost 算法分类器 | 第38-45页 |
| ·弱分类器的构成 | 第39-40页 |
| ·弱分类器的训练及选取 | 第40-42页 |
| ·强分类器的建立 | 第42页 |
| ·错误率研究 | 第42-45页 |
| ·层叠分类器 | 第45-51页 |
| ·概述 | 第45-47页 |
| ·训练层叠分类器 | 第47-49页 |
| ·检测人脸 | 第49-50页 |
| ·简单实验 | 第50-51页 |
| ·实验结果及分析 | 第51-55页 |
| ·训练集 | 第51页 |
| ·预处理 | 第51-52页 |
| ·训练结果 | 第52页 |
| ·测试集及实验结果 | 第52-55页 |
| ·结论 | 第55-56页 |
| 第四章 一种新的眼睛定位算法 | 第56-66页 |
| ·眼睛定位在特征提取中的重要性 | 第56页 |
| ·常用的几种眼睛定位算法 | 第56-62页 |
| ·基于人脸结构及眼睛几何特征和灰度信息的眼睛定位方法 | 第62-65页 |
| ·眼睛区域搜索 | 第62页 |
| ·眼睛的精定位 | 第62-64页 |
| ·图象预处理 | 第62-63页 |
| ·瞳孔的粗定位 | 第63页 |
| ·虹膜的内外边缘定位 | 第63-64页 |
| ·实验结果 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结和展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·对未来工作的展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 个人简历 | 第73-74页 |