声明
摘要
第1章绪论
1.1人脸检测的研究背景与意义
1.2人脸检测研究现状
1.3人脸检测方法概述
1.3.1基于启发式模型的方法
1.3.2基于模板匹配的方法
1.3.3基于统计学习模型的方法
1.4人脸检测方法的评价指标
1.5本文的主要工作及结构安排
第2章Haar特征与Adaboost算法
2.1 Haar型特征与积分图
2.1.1 Haar型特征
2.1.2 Haar特征的计算—积分图
2.2机器学习与PAC模型
2.3 Adaboost学习算法
2.3.1 Adaboost算法简介
2.3.2弱分类器最优阈值的确定
2.3.3 Adaboost算法训练误差分析
2.4 RealAdaboost学习算法
2.4.1 RealAdaboost算法简介
2.4.2 RealAdaboost算法训练误差分析
2.5两种算法的实验对比
2.6本章小结
第3章基于遗传算法改进的RealAdaboost算法
3.1 RealAdaboost算法改进方案
3.2遗传算法优化模型的建立
3.2.1模型的编码
3.2.2模型适应度函数的设计
3.2.3精英策略
3.2.4遗传算子以及控制参数的确定
3.2.5样本权重积分表
3.2.6遗传算法寻优流程
3.2.7寻优结果分析
3.3改进算法训练流程与性能分析
3.3.1弱分类器输出的设计
3.3.2训练流程
3.3.3强分类器的训练结果
3.4本章小结
第4章基于改进RealAdaboost算法的人脸检测设计
4.1训练样本的获取与特征提取优化
4.1.1获取训练样本
4.1.2样本Haar特征的提取
4.1.3样本特征优化
4.2.1瀑布型检测器
4.2.2级联分类器的训练
4.2.3多尺度自举负样本
4.3检测窗口的合并策略
4.4实验结果分析
4.4.1人脸检测器训练结果
4.4.2人脸检测器检测结果
4.5本章小结
5.1本文工作总结
5.2展望
参考文献
致谢
东北大学;