| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 人脸检测的研究现状 | 第11-12页 |
| 1.3 人脸检测主要方法概述 | 第12-15页 |
| 1.3.1 基于先验知识的人脸检测 | 第12页 |
| 1.3.2 基于模板匹配的人脸检测 | 第12-13页 |
| 1.3.3 基于特征提取的人脸检测 | 第13-14页 |
| 1.3.4 基于机器学习的人脸检测 | 第14-15页 |
| 1.4 本文主要工作及章节内容安排 | 第15-17页 |
| 第2章 AdaBoost人脸检测 | 第17-30页 |
| 2.1 引言 | 第17-18页 |
| 2.1.1 Boosting算法 | 第17页 |
| 2.1.2 AdaBoost算法及其在人脸检测中的应用 | 第17-18页 |
| 2.2 特征值的提取过程 | 第18-21页 |
| 2.2.1 Haar特征 | 第18-19页 |
| 2.2.2 积分图 | 第19-21页 |
| 2.2.3 特征值的计算 | 第21页 |
| 2.3 AdaBoost人脸检测算法训练部分 | 第21-26页 |
| 2.3.1 弱分类器的设计 | 第21-22页 |
| 2.3.2 强分类器的设计 | 第22-24页 |
| 2.3.3 级联分类器的设计 | 第24-26页 |
| 2.4 AdaBoost算法人脸检测流程 | 第26-29页 |
| 2.4.1 检测流程 | 第26-27页 |
| 2.4.2 多尺度检测方法 | 第27-28页 |
| 2.4.3 检测窗口合并 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于“大T”型区域的AdaBoost人脸检测算法 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 AdaBoost人脸检测算法 | 第30-32页 |
| 3.2.1 AdaBoost算法概述 | 第30-31页 |
| 3.2.2 Haar矩形特征 | 第31-32页 |
| 3.3 训练特征优化 | 第32-34页 |
| 3.3.1 分类器构成分析 | 第32页 |
| 3.3.2“大T”型Haar特征筛选方法 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.4.1 单人脸检测 | 第35-36页 |
| 3.4.2 视频人脸检测 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于AdaBoost算法与YCgCr混合高斯肤色模型的视频人脸检测 | 第39-50页 |
| 4.1 引言 | 第39-40页 |
| 4.2 肤色模型构建 | 第40-41页 |
| 4.2.1 色彩空间选择 | 第40-41页 |
| 4.2.2 肤色建模 | 第41页 |
| 4.3 YCgCr改进高斯肤色模型 | 第41-45页 |
| 4.3.1 Y分量高斯肤色模型 | 第41-43页 |
| 4.3.2 CgCr色度分量高斯肤色模型 | 第43-44页 |
| 4.3.3 改进YCgCr色彩空间高斯肤色模型 | 第44-45页 |
| 4.3.4 AdaBoost算法精细化检测 | 第45页 |
| 4.4 实验结果与分析 | 第45-49页 |
| 4.4.1 肤色检测实验分析 | 第46-47页 |
| 4.4.2 视频人脸检测实验分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文研究内容总结 | 第50-51页 |
| 5.2 课题展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
