第1章 人脸检测技术综述 1
1.1 人脸检测技术研究的目的和意义 1
1.2 国内外研究现状 2
1.2.1 人脸检测方法分类及评价指标 3
1.2.2 经典人脸检测算法 6
1.2.3 当前人脸检测研究进展 10
1.3 现有方法存在的问题与不足 16
1.4 本书内容与组织结构 18
1.4.1 本书内容 18
1.4.2 组织结构 19
第2章 图像去噪与肤色分割预处理 22
2.1 引言 22
2.2 利用EMD的自适应图像去噪处理 23
2.2.1 Hilbert-Huang变换及EMD算法 24
2.2.2 基于EMD的去噪算法及其不足 27
2.2.3 利用EMD的自适应图像去噪算法 29
2.3 基于肤色相似度和动态阈值的肤色分割算法 33
2.3.1 色彩空间转换 34
2.3.2 肤色相似度计算 35
2.3.3 动态阈值的确定 36
2.3.4 肤色区域分割与形态学后处理 38
2.4 实验结果与分析 39
2.4.1 图像去噪实验 39
2.4.2 肤色分割实验 44
2.5 本章小结 47
第3章 基于SA-AdaBoostSVM算法的正面人脸检测研究 48
3.1 引言 48
3.2 AdaBoost人脸检测算法 49
3.2.1 Haar-like特征 49
3.2.2 AdaBoost算法 50
3.2.3 级联结构 51
3.3 SA-AdaBoostSVM算法 52
3.3.1 AdaBoostSVM算法及其不足 53
3.3.2 算法改进的策略与理论依据 54
3.3.3 SA-AdaBoostSVM算法描述 58
3.4 基于SA-AdaBoostSVM算法的正面人脸检测 59
3.4.1 正面人脸检测分类器的训练与测试流程 59
3.4.2 输入图像的正面人脸检测 60
3.5 实验结果与分析 61
3.5.1 SA-AdaBoostSVM算法的速度与性能验证 61
3.5.2 输入图像的正面人脸检测实验 64
3.6 本章小结 66
第4章 基于多特征融合与改进的决策树级联结构的多姿态人脸检测 68
4.1 引言 68
4.2 多特征的引入与改进 69
4.2.1 三角积分特征 70
4.2.2 基于形态学梯度的边缘方位场特征 72
4.3 基于多特征融合的SA-AdaBoostSVM算法 74
4.4 改进的决策树级联结构 76
4.4.1 多姿态人脸检测器级联结构 76
4.4.2 改进的决策树级联结构 78
4.4.3 多姿态人脸检测 79
4.5 实验结果与分析 81
4.5.1 多特征融合的SA-AdaBoostSVM算法的人脸检测实验 81
4.5.2 改进的决策树级联结构实验 82
4.5.3 本书方法的多姿态人脸检测速度与性能验证 84
4.6 本章小结 86
第5章 基于组件距离匹配度函数的部分遮挡人脸检测 88
5.1 引言 88
5.2 部分遮挡人脸检测算法的总体描述 89
5.3 基于SA-AdaBoostSVM算法的各组件检测 91
5.4 基于组件匹配度函数的组件整合验证算法 92
5.4.1 组件距离匹配度函数及相关概念定义 92
5.4.2 组件整合分组算法 93
5.4.3 组件验证算法 94
5.4.4 遮挡组件估计与人脸定位检测 95
5.5 实验结果与分析 96
5.6 本章小结 99
第6章 总结与展望 100
参考文献 102
作者发表的相关学术论文 116