声明
摘要
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于Adaboost算法的人脸检测
1.2.2 基于支持向量机的人脸检测
1.2.3 基于卷积神经网络的人脸检测
1.2.4 基于图像检索的人脸检测
1.3 研究难点
1.4 论文主要工作及章节安排
第二章 人脸的特征编码
2.1 人脸的特征描述子概述
2.2 Haar-like特征
2.3 HOG特征
2.4 Integral Channel特征
2.5 小结
第三章 提升树模型
3.1 Adaboost算法
3.1.1 Adaboost算法流程
3.1.2 Adaboost算法分析
3.2 决策树
3.2.1 CART算法
3.3 提升树在人脸检测中的应用
3.4 小结
第四章 Soft Cascade分类器训练算法
4.1 分类器训练算法
4.2 阈值训练算法
4.3 算法优化
4.3.1 训练算法复杂度分析
4.3.2 训练算法速度优化
4.4 算法调试实验
4.4.1 训练算法参数实验
4.4.2 策略对比实验
4.4.3 改进后训练算法与原始的算法对比实验
4.5 小结
第五章 多尺度下检测人脸
5.1 人脸定位
5.1.1 尺度
5.1.2 姿态
5.2 窗口合并
5.2.1 Viola-Jones窗口合并
5.2.2 非最大化抑制
5.2.3 贪心非最大化抑制
5.2.4 基于meanshift算法的非最大化抑制
5.3 窗口合并策略对比实验
5.4 完整的检测算法
5.5 小结
第六章 实验
6.1 Soft Cascade检测器与Viola-Jones对比实验
6.1.1 实验设定
6.1.2 实验结果
6.2 特征对比实验
6.2.1 实验设定
6.2.2 实验结果
6.3 多姿态人脸检测器
6.3.1 训练数据
6.3.2 训练算法
6.3.3 检测结果
6.4 实验结果分析
6.4.1 Soft Cascade与Viola-Jones的对比实验结果分析
6.4.2 特征对比实验结果分析
6.4.3 多姿态人脸检测器对比实验结果分析
6.5 小结
第七章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
作者在攻读硕士学位期间发表的论文和成果
东南大学;