| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景介绍 | 第8页 |
| ·人脸检测综述 | 第8-15页 |
| ·主要人脸检测方法 | 第9-14页 |
| ·人脸检测的评价指标 | 第14-15页 |
| ·论文主要研究工作 | 第15页 |
| ·小结 | 第15-16页 |
| 第二章 支持向量机原理 | 第16-30页 |
| ·统计学习理论及支持向量机(SVM)理论的提出 | 第16-17页 |
| ·学习问题的表示及统一定义 | 第17-18页 |
| ·期望风险最小化、经验风险最小化与结构风险最小化原则 | 第18-22页 |
| ·期望风险最小化原则和经验风险最小化原则 | 第18-19页 |
| ·VC维定义 | 第19-21页 |
| ·结构风险最小化(Structure Risk Minimization，简称SRM)归纳原则 | 第21-22页 |
| ·最优分类超平面、核函数与支持向量机 | 第22-28页 |
| ·最优分类面及其构造 | 第22-24页 |
| ·核函数 | 第24-26页 |
| ·支持向量机的构造 | 第26-28页 |
| ·小结 | 第28-30页 |
| 第三章 图像预处理与特征提取 | 第30-44页 |
| ·彩色空间的介绍 | 第30-35页 |
| ·RGB色彩空间 | 第30-31页 |
| ·归一化RGB色彩模型 | 第31页 |
| ·HIS色彩模型 | 第31-32页 |
| ·HSV色彩模型 | 第32-33页 |
| ·YIQ色彩模型 | 第33页 |
| ·YUV色彩模型 | 第33-34页 |
| ·CMY彩色模型 | 第34-35页 |
| ·YCbCr彩色模型 | 第35页 |
| ·色彩空间和肤色区域 | 第35-38页 |
| ·色彩空间的选取 | 第35-36页 |
| ·肤色模型的建立 | 第36-38页 |
| ·肤色区域的确定 | 第38页 |
| ·训练样本图像集合的选择 | 第38-40页 |
| ·获取人脸样本图像 | 第38-39页 |
| ·获取非人脸样本图像 | 第39页 |
| ·训练样本预处理 | 第39-40页 |
| ·特征提取 | 第40-42页 |
| ·主成分分析原理 | 第40页 |
| ·样本图像的主成分分析 | 第40-42页 |
| ·小结 | 第42-44页 |
| 第四章 基于支持向量的聚类算法 | 第44-56页 |
| ·基本思想及其算法的描述与实现 | 第44-50页 |
| ·算法思想的描述 | 第45-47页 |
| ·算法的实现 | 第47页 |
| ·与传统聚类方法的比较分析 | 第47-50页 |
| ·SVC训练器训练 | 第50-53页 |
| ·SVC的训练 | 第50页 |
| ·人脸检测算法流程 | 第50-52页 |
| ·人脸检测流程图 | 第52-53页 |
| ·基于SVC的人脸检测 | 第53-54页 |
| ·实验结果及分析 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录 攻读硕士学位期间完成的主要论文和参加的工作 | 第66页 |