文摘
英文文摘
声明
第1章绪论
1.1人脸检测简介
1.1.1人脸检测及其意义
1.1.2人脸检测系统的性能指标
1.1.3人脸检测系统的评价方法
1.1.4人脸检测当前面临的主要困难
1.2人脸检测方法的现状分析
1.2.1目前主要的人脸检测方法
1.2.2目前主要的人脸检测快速算法
1.3多姿态人脸约束条件、研究目标与主要研究内容
1.3.1多姿态人脸约束条件
1.3.2研究目标和主要研究内容
1.4本文的组织结构
第2章人脸检测采用的图像预处理方法
2.1图像预处理概述
2.2主要图像预处理步骤
2.2.1灰度拉伸
2.2.2亮度补偿
2.2.3中值滤波
2.2.4灰度分布标准化
2.3广义积分图像
2.3.1积分图像
2.3.2平方积分图像
2.4基于广义积分图像的快速灰度分布标准化
2.4.1灰度均值及方差的快速计算
2.4.2灰度分布标准化快速算法
2.4.3灰度分布标准化实验结果与分析
2.5本章小结
第3章基于模板分解和积分图像的快速Kirsch边缘检测
3.1 Kirsch边缘检测概述
3.2 Kirsch算子和积分图像的回顾
3.2.1 Kirsch算子
3.2.2积分图像的回顾
3.3算法TDIIKA及其运算量分析
3.3.1算法TDIIKA原理
3.3.2算法TDIIKA的运算量分析
3.3.3积分图像在算法TDIIKA中的作用讨论
3.4人脸检测综合应用实例
3.5模板分解和积分图像用于减少卷积运算思路的通用性
3.5.1提高八方向Prewitt算子的边缘检测效率
3.5.2减少LOG算子与图像的卷积运算量
3.5.3减少一些空域滤波模板与图像的卷积运算量
3.6 Kirsch边缘检测实验结果与分析
3.7本章小结
第4章一种快速投影算法及其在人脸检测中的应用
4.1投影概述
4.2投影函数简介
4.2.1积分投影函数
4.2.2方差投影函数
4.2.3混合投影函数
4.3广义行-列积分图像
4.4基于广义行-列积分图像的快速投影算法
4.4.1快速积分投影算法
4.4.2快速方差投影算法
4.5基于快速投影算法的人脸粗检
4.6投影算法实验结果与分析
4.7本章小结
第5章一种快速多模板匹配算法及其在人脸检测中的应用
5.1模板匹配概述
5.2图像窗口与人脸模板的快速匹配
5.2.1图像窗口灰度分布标准化的回顾
5.2.2相关系数和平均偏差的快速算法
5.2.3快速人脸多模板匹配
5.3模板匹配实验结果与分析
5.3.1人脸单模板匹配实验
5.3.2人脸多模板匹配实验
5.4本章小结
第6章灰度图像的快速多姿态人脸检测
6.1灰度图像的人脸检测概述
6.2人脸器官梯度图
6.3多姿态知识模型及多姿态人脸模板
6.3.1多姿态知识模型
6.3.2多姿态人脸模板
6.3.3多姿态知识模型对深度旋转人脸的适应性分析
6.4灰度图像多姿态人脸检测原理
6.4.1人脸检测原理简介
6.4.2人脸粗检算法描述
6.4.3人脸细检算法描述
6.5灰度图像的人脸检测实验结果及分析
6.5.1 ROC曲线和检测时间分析
6.5.2人脸检测结果示例及分析
6.6基于广义掩膜积分图像的快速多姿态人脸模板匹配
6.6.1广义掩膜积分图像
6.6.2基于EIIM的快速模板匹配
6.6.3基于EIIM的快速多姿态人脸模板匹配
6.6.4快速多姿态人脸模板匹配实验结果与分析
6.7本章小结
第7章彩色图像的快速多姿态人脸检测
7.1彩色图像的人脸检测概述
7.2特征图像的提取
7.2.1特征图像提取原理
7.2.2多阈值器官梯度图
7.2.3双阈值肤色图
7.2.4梯度方向图
7.2.5灰度特征图
7.3特征融合模型和多阈值特征的融合方式
7.3.1特征融合模型
7.3.2多阈值特征的融合方式
7.4彩色图像多姿态人脸检测的主要原理
7.4.1人脸检测原理简介
7.4.2多阈值特征的融合方式分析
7.5彩色图像多姿态人脸检测的主要步骤
7.5.1梯度特征检测
7.5.2肤色特征检测
7.5.3梯度方向特征检测
7.5.4灰度特征检测
7.6彩色图像的人脸检测实验结果与分析
7.6.1检测过程实例分析
7.6.2 ROC曲线与检测时间分析
7.6.3人脸检测结果示例与分析
7.7特征融合模型的其它应用
7.8本章小结
第8章结束语
8.1工作总结
8.2研究展望
参考文献
致谢
攻博期间参与科研项目、获奖及发表论文情况