| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景和意义 | 第7页 |
| ·人脸检测的难点和研究现状 | 第7-11页 |
| ·基于特征分析的人脸检测方法 | 第9-10页 |
| ·基于统计分析的人脸检测方法 | 第10-11页 |
| ·人脸检测系统的评价标准 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| ·本章小结 | 第13-15页 |
| 第二章 Adaboost 算法概述 | 第15-21页 |
| ·Boosting 和 Adaboost | 第15-16页 |
| ·Gentle Adaboost 算法 | 第16-18页 |
| ·Adaboost 算法在人脸检测中的应用 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于 Gentle Adaboost 算法的人脸检测 | 第21-43页 |
| ·训练样本集的创建 | 第21-23页 |
| ·人脸样本的创建 | 第21-22页 |
| ·非人脸样本的创建 | 第22-23页 |
| ·Haar 矩形特征 | 第23-29页 |
| ·Haar 矩形特征原型 | 第23-25页 |
| ·Haar 矩形特征数量的计算 | 第25-27页 |
| ·Haar 矩形特征值定义及计算 | 第27页 |
| ·矩形特征值的快速计算 | 第27-29页 |
| ·分类器训练阶段过程 | 第29-36页 |
| ·弱分类器的训练过程 | 第30-32页 |
| ·强分类器的训练过程 | 第32-34页 |
| ·级联分类器的训练过程 | 第34-36页 |
| ·人脸检测阶段的过程 | 第36-41页 |
| ·检测窗口大小不变的检测方法 | 第36-37页 |
| ·检测窗口尺寸放大的检测方法 | 第37-38页 |
| ·检测结果的后处理 | 第38-40页 |
| ·两种检测方法的实验对比 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 人脸检测系统的实现及算法的优化 | 第43-55页 |
| ·人脸检测系统的实现 | 第43-45页 |
| ·裁剪小权重样本对训练时间的优化 | 第45-47页 |
| ·优化过程分析 | 第45-47页 |
| ·权重修剪流程 | 第47页 |
| ·CART 对弱分类器的优化 | 第47-54页 |
| ·CART 原理介绍 | 第47-49页 |
| ·优化算法原理 | 第49-50页 |
| ·基于 CART 优化的弱分类器设计 | 第50-52页 |
| ·优化算法和传统算法的实验对比 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于代价敏感 CS-Gentle Adaboost 算法的人脸检测 | 第55-67页 |
| ·CS-Gentle Adaboost 算法 | 第55-60页 |
| ·算法的提出： | 第55-57页 |
| ·限制权重过度增加 | 第57-59页 |
| ·基于 CS-Gentle Adaboost 算法的分类器设计 | 第59-60页 |
| ·实验结果及分析 | 第60-66页 |
| ·实验参数的设定 | 第60页 |
| ·测试样本集的选择 | 第60-61页 |
| ·实验结果与分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67页 |
| ·展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |
