| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文的创新成果 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第2章 人眼检测技术研究综述 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 主要的人眼检测方法 | 第13-17页 |
| 2.2.1 基于先验知识的方法 | 第13-15页 |
| 2.2.2 基于统计学习的方法 | 第15-17页 |
| 2.3 各种方法的评价 | 第17-18页 |
| 2.4 人眼检测的难点 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于AdaBoost算法的级联分类器 | 第21-30页 |
| 3.1 引言 | 第21页 |
| 3.2 AdaBoost算法 | 第21-25页 |
| 3.2.1 离散AdaBoost算法 | 第23-24页 |
| 3.2.2 连续AdaBoost算法 | 第24-25页 |
| 3.3 基于查找表型弱分类器的连续AdaBoost算法 | 第25-28页 |
| 3.3.1 查找表型弱分类器 | 第25-26页 |
| 3.3.2 算法过程 | 第26-28页 |
| 3.4 级联分类器 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 基于多尺度局部块LBP直方图特征的人眼检测算法 | 第30-46页 |
| 4.1 引言 | 第30-31页 |
| 4.2 基于局部纹理的特征描述子 | 第31-33页 |
| 4.2.1 LBP算子 | 第31-32页 |
| 4.2.2 多尺度局部块LBP直方图特征 | 第32-33页 |
| 4.3 算法策略 | 第33-38页 |
| 4.3.1 训练策略 | 第33-35页 |
| 4.3.2 检测策略 | 第35-37页 |
| 4.3.3 合并候选框策略 | 第37-38页 |
| 4.4 实验数据 | 第38-40页 |
| 4.4.1 CelebA人脸数据库 | 第38-39页 |
| 4.4.2 BioID人脸数据库 | 第39页 |
| 4.4.3 ColorFERET人脸数据库 | 第39-40页 |
| 4.5 实验过程与结果 | 第40-45页 |
| 4.5.1 实验环境 | 第40页 |
| 4.5.2 提取MSLB-LBPH特征 | 第40-41页 |
| 4.5.3 级联分类器的参数设置 | 第41-43页 |
| 4.5.4 实验结果 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 融合多尺度局部块LBP直方图与Co-HOG特征的人眼检测算法 | 第46-55页 |
| 5.1 引言 | 第46-47页 |
| 5.2 基于梯度方向的特征描述子 | 第47-50页 |
| 5.2.1 HOG特征 | 第47页 |
| 5.2.2 Co-HOG特征 | 第47-50页 |
| 5.3 实验过程与结果 | 第50-54页 |
| 5.3.1 提取并融合MSLB-LBPH与Co-HOG特征 | 第50页 |
| 5.3.2 级联分类器参数设置 | 第50-51页 |
| 5.3.3 实验结果 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 总结 | 第55-56页 |
| 6.1.1 本文主要贡献 | 第55-56页 |
| 6.1.2 本文工作的不足 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间的研究成果 | 第64页 |
