基于肤色和Adaboost算法的人脸检测方法研究
人脸检测论文 肤色分割论文 Adaboost算法论文 权值更新论文
论文详情
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-14页 |
| 1.1 人脸检测的研究背景和意义 | 第9页 |
| 1.2 人脸检测算法研究的国内外动态 | 第9-12页 |
| 1.3 本文的主要工作和内容安排 | 第12-14页 |
| 第2章 基于肤色特征的人脸检测技术 | 第14-38页 |
| 2.1 人脸图像的预处理 | 第14-22页 |
| 2.1.1 彩色图像的光线补偿 | 第14-17页 |
| 2.1.2 灰度直方图均衡化 | 第17-20页 |
| 2.1.3 空间低通滤波去噪 | 第20-22页 |
| 2.2 肤色模型的选择和建立 | 第22-29页 |
| 2.2.1 YCbCr色彩空间 | 第23-26页 |
| 2.2.2 肤色采样 | 第26页 |
| 2.2.3 肤色模型的建立 | 第26-29页 |
| 2.3 肤色区域的分割 | 第29-34页 |
| 2.3.1 似然度计算和似然图的绘制 | 第29-30页 |
| 2.3.2 阈值分割 | 第30-31页 |
| 2.3.3 二值图的形态学滤波处理 | 第31-34页 |
| 2.4 人脸候选区域的筛选 | 第34-36页 |
| 2.4.1 区域的长宽比 | 第34-35页 |
| 2.4.2 区域的面积 | 第35页 |
| 2.4.3 区域的中心 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 基于Adaboost算法的人脸检测 | 第38-52页 |
| 3.1 Haar-like特征和积分图像 | 第38-41页 |
| 3.1.1 Haar-like特征 | 第38-39页 |
| 3.1.2 积分图像 | 第39-41页 |
| 3.2 基于Adaboost学习训练算法 | 第41-50页 |
| 3.2.1 基于Adaboost算法的人脸检测过程 | 第41-44页 |
| 3.2.2 级联分类器的设计和使用 | 第44-50页 |
| 3.3 训练难点及优化方法 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于肤色和Adaboost算法相结合的人脸检测 | 第52-60页 |
| 4.1 算法框架及工作流程 | 第52-55页 |
| 4.2 人脸检测结果和分析 | 第55-59页 |
| 4.2.1 人脸检测结果 | 第55-59页 |
| 4.2.2 试验结果小结 | 第59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 本人攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
论文购买
论文编号
ABS4478225，这篇论文共66页
会员购买按0.30元/页下载，共需支付
19.8。
不是会员，
注册会员！
会员更优惠
充值送钱！
直接购买按0.5元/页下载，共需要支付
33。
只需这篇论文，无需注册！
直接网上支付，方便快捷！
相关论文
