基于多种信息综合的动态人脸检测
| 第一章 引言 | 第1-12页 |
| 1．1 问题的提出 | 第8-9页 |
| 1．1．1 人脸检测的研究背景及意义 | 第8页 |
| 1．1．2 人脸检测的研究现状 | 第8-9页 |
| 1．2 论文主要研究工作 | 第9-11页 |
| 1．3 文章结构安排 | 第11-12页 |
| 第二章 现有人脸检测的主要方法 | 第12-17页 |
| 2．1 基于知识模型的人脸检测方法 | 第12-14页 |
| 2．1．1 基于五官特征的模板匹配方法 | 第12-13页 |
| 2．1．2 基于轮廓的方法 | 第13页 |
| 2．1．3 基于肤色纹理的检测 | 第13-14页 |
| 2．2 基于统计模型的人脸检测方法 | 第14-15页 |
| 2．2．1 基于代数特征提取的方法 | 第14页 |
| 2．2．2 神经网络的方法 | 第14-15页 |
| 2．2．3 支持向量机的方法 | 第15页 |
| 2．3 基于人脸局部特征的检测方法 | 第15页 |
| 2．4 本章小结 | 第15-17页 |
| 第三章 基于形态学的帧差运动检测 | 第17-28页 |
| 3．1 运动检测概述 | 第17-20页 |
| 3．1．1 连续帧间差分法 | 第17-18页 |
| 3．1．2 背景差分法 | 第18页 |
| 3．1．3 光流法 | 第18-19页 |
| 3．1．4 运动检测后处理 | 第19-20页 |
| 3．2 本系统采用的基于形态学的帧差运动检测算法 | 第20-26页 |
| 3．2．1 开发平台 | 第21-22页 |
| 3．2．2 算法实现 | 第22-26页 |
| 3．3 本章小结 | 第26-28页 |
| 第四章 基于类Haar特征的人脸检测算法 | 第28-43页 |
| 4．1 类haar特征 | 第28-31页 |
| 4．1．1 类haar特征 | 第28-29页 |
| 4．1．2 类haar特征的快速计算 | 第29-31页 |
| 4．2 基于Adasboost算法的级联分类器 | 第31-35页 |
| 4．2．1 Adaboost算法 | 第32页 |
| 4．2．2 弱分类器的形成 | 第32-33页 |
| 4．2．3 强分类器的级联 | 第33-35页 |
| 4．3 类haar特征的人脸检测算法 | 第35-36页 |
| 4．4 精简类haar特征分类器设计与实现 | 第36-41页 |
| 4．4．1 训练 | 第37-40页 |
| 4．4．2 检测 | 第40-41页 |
| 4．5 本章小结 | 第41-43页 |
| 第五章 基于组合彩色模型的后处理 | 第43-53页 |
| 5．1 肤色模型 | 第43-48页 |
| 5．1．1 常见的彩色空间 | 第43-46页 |
| 5．1．2 常见的肤色模型 | 第46-48页 |
| 5．2 基于组合彩色模型的肤色后处理 | 第48-52页 |
| 5．2．1 组合彩色模型 | 第48页 |
| 5．2．2 肤色后处理算法及实现 | 第48-52页 |
| 5．3 本章小结 | 第52-53页 |
| 第六章 试验结果与分析 | 第53-59页 |
| 6．1 试验条件 | 第53页 |
| 6．2 检测效果图 | 第53-57页 |
| 6．3 检测率、误检率、速度的分析与比较 | 第57-59页 |
| 总结与展望 | 第59-61页 |
| 总结 | 第59-60页 |
| 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
