文摘
英文文摘
声明
第一章绪论
引言
1.1实时人脸检测系统
1.2人脸检测算法
1.2.1基于启发式模型的方法
1.2.2基于学习的方法
1.3带有平面内旋转的人脸检测算法
1.3.1人脸检测的子问题分类
1.3.2 360°平面内旋转人脸检测算法
1.4人脸检测系统的性能指标
1.5本文的主要工作及结构安排
第二章人脸检测的Haar矩形特征
引言
2.1正向Haar矩形特征
2.1.1正向Haar矩形特征
2.1.2积分图
2.1.3正向Haar矩形特征的计算方法
2.2 45°倾斜Haar矩形特征
2.2.1 45°倾斜Haar矩形特征
2.2.2倾斜积分图与45°倾斜Haar特征的计算方法
2.3穷举法提取多尺度的Haar矩形特征
2.4矩形特征的数目
2.4.1正向矩形特征的数目
2.4.2 45°倾斜矩形特征的数目
2.5本章小节
第三章Adaboost分类器训练算法
引言
3.1 Adaboost训练算法概述
3.1.1 Boosting算法
3.1.2 Adaboost训练算法
3.2分类器的训练过程
3.2.1训练参数
3.2.2弱分类器的构造
3.2.3强分类器的训练
3.2.4瀑布型级联强分类器组的构造
3.3实验结果
3.3.1临时弱分类器和弱分类器的训练实验
3.3.2弱分类器分类能力的提升实验
3.3.3强分类器组的训练及样本加权
3.4本章小节
第四章基于不同Haar特征和Adaboost分类器的正面人脸检测系统
引言
4.1基于Adaboost的正面人脸检测系统
4.2训练样本和特征选择
4.2.1人脸正例样本
4.2.2负例样本
4.2.3 Haar特征
4.3人脸分类器的Adaboost训练
4.3.1基于Adaboost的人脸强分类器训练
4.3.2基于正向Haar特征的级联分类器训练结果
4.3.3基于倾斜45°Haar特征的级联分类器训练结果
4.4人脸检测算法
4.4.1子窗口尺度特征的搜索策略
4.4.2子窗口合并策略
4.5人脸检测的实验结果
4.6本章小节
第五章自适应图像旋转算法
引言
5.1自适应图像旋转算法
5.1.1图像旋转算法
5.1.2自适应图像旋转算法
5.2自适应图像旋转算法的测试结果
5.3本章小结
第六章本文结论
参考文献
攻读硕士学位期间取得的研究成果
致谢
评定意见