| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外发展现状 | 第12-17页 |
| ·人脸分析国内外研究进展 | 第12-14页 |
| ·人脸的检测技研究现状 | 第14-16页 |
| ·人脸检测数据库 | 第16-17页 |
| ·人脸检测应用的例子 | 第17-19页 |
| ·本文研究的主要内容 | 第19-22页 |
| ·对人脸检测问题的思考 | 第20页 |
| ·对人脸检测方法的选择 | 第20页 |
| ·本论文的组织 | 第20-22页 |
| 第二章 系统相关技术研究 | 第22-34页 |
| ·人脸检测历史简要回顾 | 第22-23页 |
| ·人脸检测难点 | 第23-24页 |
| ·衡量人脸检测算法性能的指标 | 第24-25页 |
| ·基于图像的检测 | 第25-31页 |
| ·Eigenfaces方法 | 第26-27页 |
| ·Fisherfaces方法 | 第27-30页 |
| ·人工神经网络 | 第30-31页 |
| ·支持向量机_Support Vector Machine(SVM) | 第31页 |
| ·隐马尔科夫模型_Hidden Markov Model(HMM) | 第31页 |
| ·基于几何的检测 | 第31-33页 |
| ·从上到下的方法 | 第32页 |
| ·从下到上的方法 | 第32-33页 |
| ·衡量人脸检测算法的标准 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 AdaBoost算法 | 第34-58页 |
| ·AdaBoost算法原理 | 第34-38页 |
| ·AdaBoost算法发展 | 第36-37页 |
| ·AdaBoost算法的描述 | 第37-38页 |
| ·特征和积分图 | 第38-43页 |
| ·Haar-like特征 | 第39-41页 |
| ·积分图 | 第41-43页 |
| ·AdaBoost算法训练的过程 | 第43-47页 |
| ·选择样本集 | 第43页 |
| ·产生Haar特征 | 第43页 |
| ·产生弱分类器 | 第43-45页 |
| ·训练过程 | 第45页 |
| ·强分类器 | 第45-46页 |
| ·级联分类器的设计 | 第46-47页 |
| ·AdaBoost算法的优化 | 第47-52页 |
| ·级联分类器的优化 | 第47-49页 |
| ·Haar特征的化简 | 第49-51页 |
| ·训练方法的改进 | 第51-52页 |
| ·人脸图像的预处理 | 第52-56页 |
| ·噪声产生原因及分类 | 第53-56页 |
| ·双边滤波技术 | 第56页 |
| ·直方图技术 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第四章 系统的实现 | 第58-70页 |
| ·开发平台及系统介绍 | 第58-60页 |
| ·人脸检测系统的详细设计与实现 | 第60-69页 |
| ·人脸检测系统设计需求 | 第60-61页 |
| ·人脸检测系统模块具体实现 | 第61-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 系统实验分析 | 第70-84页 |
| ·实验设置 | 第70页 |
| ·数据集 | 第70-73页 |
| ·Bio测试数据集A | 第71页 |
| ·Mit测试数据集B | 第71-72页 |
| ·CMU测试数据集C | 第72-73页 |
| ·Yale测试数据集D | 第73页 |
| ·基本的AdaBoost算法性能 | 第73-76页 |
| ·训练 | 第74-75页 |
| ·测试 | 第75-76页 |
| ·改进的AdaBoost算法性能 | 第76-78页 |
| ·级联分类器的优化后的性能 | 第77页 |
| ·Haar特征的化简 | 第77-78页 |
| ·系统测试结果 | 第78-83页 |
| ·部分测试结果 | 第79-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 结论与展望 | 第84-86页 |
| ·论文工作总结 | 第84页 |
| ·未来工作展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 个人简历、在学期间发表的论文与研究成果 | 第92页 |