| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·人脸检测概况 | 第11-13页 |
| ·人脸检测 | 第11-12页 |
| ·人脸特征检测 | 第12-13页 |
| ·人脸检测难点 | 第13页 |
| ·本文的主要研究内容及其结构 | 第13-16页 |
| 第二章 AdaBoost 人脸检测方法 | 第16-24页 |
| ·AdaBoost 算法简介 | 第16-17页 |
| ·弱分类器 | 第17-20页 |
| ·矩形特征 | 第17-18页 |
| ·特征值与积分图 | 第18-19页 |
| ·阈值θ、判别方向 p | 第19-20页 |
| ·弱分类器的训练 | 第20页 |
| ·强分类器 | 第20-22页 |
| ·强分类器构成 | 第20-21页 |
| ·强分类器训练流程 | 第21-22页 |
| ·AdaBoost 方法分析 | 第22-24页 |
| 第三章 基于局部自适应核回归的特征提取方法 | 第24-40页 |
| ·图像对象分析 | 第24页 |
| ·LARK 与权值向量矩阵 | 第24-32页 |
| ·LARK 计算方法 | 第26-29页 |
| ·权值向量矩阵 | 第29-32页 |
| ·使用 LARK 特征提取方法构成人脸检测系统 | 第32-38页 |
| ·示例图片和目标图片的权值向量矩阵（stage 1） | 第33页 |
| ·降维并计算特征向量矩阵（stage 2） | 第33-35页 |
| ·获得相似度图像及人脸区域信息（stage 3） | 第35-38页 |
| ·检测系统流程 | 第38页 |
| ·小结 | 第38-40页 |
| 第四章 人脸检测系统 | 第40-54页 |
| ·检测系统中的问题 | 第40-41页 |
| ·AdaBoost 和 LARK 方法在本实验中应用 | 第41-47页 |
| ·分类器选取阈值的邻域 | 第41-45页 |
| ·脸部特征提取 | 第45-46页 |
| ·图像特征比对 | 第46-47页 |
| ·本系统的算法及流程 | 第47-50页 |
| ·实验结果与分析 | 第50-54页 |
| 第五章 总结和展望 | 第54-56页 |
| ·本文工作的总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在学期间的研究成果及发表的学术论文 | 第60页 |