| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-7页 |
| 第一章 序论 | 第7-19页 |
| ·论文背景 | 第7-8页 |
| ·人脸检测研究进展 | 第8-14页 |
| ·人脸检测方法分类 | 第8-9页 |
| ·基于特征的人脸检测方法 | 第9-11页 |
| ·基于图像块的人脸检测方法 | 第11-14页 |
| ·人脸图像库与人脸检测方法性能评价 | 第14-16页 |
| ·人脸检测问题可用的图像库 | 第14-15页 |
| ·人脸检测方法性能评价 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的主要贡献 | 第17页 |
| ·组织结构 | 第17-19页 |
| 第二章 人脸检测中的肤色分割预处理 | 第19-31页 |
| ·引言 | 第19页 |
| ·颜色模型 | 第19-22页 |
| ·RGB模型 | 第20-21页 |
| ·YIQ颜色模型 | 第21页 |
| ·HSV颜色模型 | 第21-22页 |
| ·YCbCr模型 | 第22页 |
| ·颜色模型的选择 | 第22-24页 |
| ·颜色模型的选择 | 第22-23页 |
| ·人脸肤色模型 | 第23-24页 |
| ·基于肤色信息的备选人脸区域分割方法 | 第24-25页 |
| ·肤色分割方法实验实例 | 第25-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于肤色分割和模板匹配的人脸检测 | 第31-40页 |
| ·引言 | 第31页 |
| ·模板匹配 | 第31-33页 |
| ·基于肤色分割和模板匹配的人脸检测 | 第33-34页 |
| ·算法具体实现及实验结果 | 第34-38页 |
| ·模板生成 | 第34-35页 |
| ·创建被搜索图 | 第35-36页 |
| ·模板匹配 | 第36页 |
| ·检测结果输出 | 第36-38页 |
| ·结果分析 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于肤色分割和神经网络验证的人脸检测 | 第40-54页 |
| ·引言 | 第40页 |
| ·人工神经网络 | 第40-44页 |
| ·神经网络的概念 | 第40-41页 |
| ·人工神经元及其学习算法 | 第41-42页 |
| ·反向传播算法(BP) | 第42-43页 |
| ·适合神经网络学习的问题 | 第43-44页 |
| ·基于肤色分割和神经网络验证的人脸检测 | 第44-45页 |
| ·算法具体实现及实验结果 | 第45-50页 |
| ·神经网络的学习任务 | 第45页 |
| ·神经网络结构 | 第45-46页 |
| ·训练神经网络 | 第46-48页 |
| ·创建被搜索图 | 第48-49页 |
| ·神经网络验证 | 第49页 |
| ·检测结果输出 | 第49-50页 |
| ·结果分析 | 第50-52页 |
| ·小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-59页 |
| ·本文算法评价 | 第54-55页 |
| ·本文总结 | 第55-56页 |
| ·进一步的工作 | 第56-59页 |
| ·通过SVM构造最优超平面利提高泛化能力 | 第57页 |
| ·通过智能学习算法关注局部特征构造实时的人脸检测系统 | 第57-58页 |
| ·人脸检测正误检率的降低 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录A 硕士期间参与的科研项目 | 第65-66页 |
| 附录B 硕士期间发表的论文 | 第66页 |