视频图像中的多姿态人脸检测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.3 课题的来源及研究内容 | 第19-20页 |
| 1.4 论文的结构 | 第20-22页 |
| 第2章 视频图像中的人脸检测 | 第22-35页 |
| 2.1 视频图像中的运动目标检测方法 | 第22-29页 |
| 2.1.1 数字视频基础 | 第22-24页 |
| 2.1.2 常用运动目标检测的方法 | 第24-27页 |
| 2.1.3 视频图像中的运动目标分割 | 第27-29页 |
| 2.2 基于adaboost的人脸检测 | 第29-33页 |
| 2.2.1 Haar-like特征 | 第29-31页 |
| 2.2.2 积分图像 | 第31-32页 |
| 2.2.3 Adaboost算法 | 第32-33页 |
| 2.2.4 级联结构分类器 | 第33页 |
| 2.3 小结 | 第33-35页 |
| 第3章 基于肤色和直方图的多姿态人脸检测 | 第35-54页 |
| 3.1 多姿态人脸检测研究 | 第35-39页 |
| 3.1.1 多姿态人脸检测方法 | 第35-38页 |
| 3.1.2 多姿态人脸图像的样本训练来源 | 第38-39页 |
| 3.2 肤色特征 | 第39-49页 |
| 3.2.1 常见色彩空间及其转化 | 第39-41页 |
| 3.2.2 肤色模型的常用方法 | 第41-43页 |
| 3.2.3 基于肤色模型的肤色分割 | 第43-49页 |
| 3.3 基于直方图及金字塔检测器的人脸检测 | 第49-53页 |
| 3.3.1 利用灰度分布直方图判断脸朝向 | 第49-51页 |
| 3.3.2 金字塔型检测器 | 第51-53页 |
| 3.4 小结 | 第53-54页 |
| 第4章 多姿态人脸检测算法框架及实验结果 | 第54-62页 |
| 4.1 算法框架及构成 | 第54-56页 |
| 4.2 实验结果及分析 | 第56-61页 |
| 4.3 小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69页 |
