人脸检测关键技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 人脸检测技术的发展 | 第9-12页 |
| 1.3 国内外研究现状 | 第12页 |
| 1.4 论文的研究内容以及安排 | 第12-15页 |
| 1.4.1 本文的主要工作内容 | 第13页 |
| 1.4.2 论文结构安排 | 第13-15页 |
| 第二章 基于肤色的人脸检测算法 | 第15-25页 |
| 2.1 各种色彩空间模型 | 第15-17页 |
| 2.2 基于肤色的人脸检测系统 | 第17-24页 |
| 2.2.1 肤色模型和色彩空间的选择 | 第17-20页 |
| 2.2.2 基于YCgCr肤色空间的人脸检测方法 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于支持向量机(SVM)的人脸检测方法 | 第25-33页 |
| 3.1 支持向量机(SVM) | 第25-27页 |
| 3.2 基于SVM的人脸检测 | 第27-32页 |
| 3.2.1 样本收集 | 第27-29页 |
| 3.2.2 预处理与特征提取 | 第29页 |
| 3.2.3 人脸检测过程 | 第29-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于ADABOOST算法的人脸检测方法 | 第33-48页 |
| 4.1 ADABOOST算法 | 第33-39页 |
| 4.1.1 Haar特征的表示和计算方法 | 第33-37页 |
| 4.1.2 Adaboost算法的基本原理 | 第37-39页 |
| 4.2 分类器的训练 | 第39-44页 |
| 4.2.1 弱分类器的训练方法 | 第40-42页 |
| 4.2.2 强分类器的学习 | 第42页 |
| 4.2.3 分类器级联 | 第42-44页 |
| 4.3 人脸检测过程和结果 | 第44-46页 |
| 4.3.1 人脸检测过程 | 第44页 |
| 4.3.2 实验结果 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 实时人脸检测系统的设计 | 第48-55页 |
| 5.1 系统概述 | 第48-49页 |
| 5.2 系统运行环境 | 第49页 |
| 5.3 基于肤色和SVM的人脸检测系统 | 第49-51页 |
| 5.4 基于肤色和ADABOOST的人脸检测系统 | 第51-53页 |
| 5.5 系统分析 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
