| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·本文研究的背景和意义 | 第8页 |
| ·人脸识别技术的国内外研究现状 | 第8-10页 |
| ·人脸识别技术的应用 | 第10页 |
| ·人脸识别技术存在的主要问题 | 第10-11页 |
| ·本文的主要工作 | 第11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 基础理论 | 第12-21页 |
| ·生物识别技术 | 第12-13页 |
| ·人脸识别技术的研究内容 | 第13-19页 |
| ·基于特征脸(PCA)的人脸识别方法 | 第14-15页 |
| ·基于几何特征的方法 | 第15-16页 |
| ·基于模板匹配的方法 | 第16-17页 |
| ·统计分析和机器学习的方法 | 第17-18页 |
| ·基于特征空间的方法 | 第18页 |
| ·基于人工神经网(ANN)的方法 | 第18-19页 |
| ·人脸检测系统的性能评定指标 | 第19-21页 |
| 第三章 基于显性特征的人脸检测算法 | 第21-33页 |
| ·人脸检测预处理 | 第21-29页 |
| ·彩色空间的选择 | 第21-27页 |
| ·混合高斯肤色模型的建立 | 第27-28页 |
| ·粗选人脸区域 | 第28-29页 |
| ·候选肤色区域的面部特征验证 | 第29-33页 |
| ·嘴唇检测 | 第29-30页 |
| ·眼睛检测 | 第30-33页 |
| 第四章 基于积分图特征的adaboost人脸检测算法 | 第33-43页 |
| ·Adaboost算法基本原理 | 第33页 |
| ·Freund提出的AdaBoost算法流程的描述如下 | 第33-34页 |
| ·Harr-like特征及其特征值快速计算方法 | 第34-35页 |
| ·特征库 | 第34-35页 |
| ·积分图 | 第35页 |
| ·弱分类器 | 第35-39页 |
| ·特征值f(x) | 第35-38页 |
| ·阈值θ方向指示符p | 第38页 |
| ·弱分类器的训练及选取 | 第38-39页 |
| ·基于adaboost的多姿态人脸检测算法 | 第39-43页 |
| ·瀑布型检测器 | 第39-40页 |
| ·多姿态人脸检测 | 第40-41页 |
| ·算法性能测试 | 第41-43页 |
| 第五章 本文工作的总结 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-46页 |