1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
人脸检测与识别是计算机视觉和模式识别领域非常活跃的研究课题，经典的算法可以很好的进行人脸识别，但当处理大规模数据时仍会出现内存限制、训练时间过长、检测与识别不够实时快速等问题。针对这个问题，集成方法应运而生，其中以Adaboost(Adaptive Boosting)算法最为著名。它具有很好的泛化能力，识别率高，训练速度快。但是面对大规模数据的多类问题（包括两类），如何进一步提高算法的性能，扩大其应用领域仍然需要继续研究。
在对人脸识别经典算法、Adaboost变体算法的设计方法、分类准则、分类性能等深入研究的基础上，主要完成了以下工作：
研究基于Adaboost算法的人脸检测，选择简单的haar特征作为弱学习器，利用Adaboost算法将其提升为强分类器，在此基础上进行了人脸检测实验，在误检、漏检以及重检的问题，对此进行了深入的讨论分析。
2. 参考文献（不低于12篇）
[1]Y. Freund and R. Schapire . A Short Introduction to Boosting, J. Japan. Soc. for Artif. Intel. 14(5) (1999), 771-780. 11
[2] Freund, Y. R.E. Schapire (1996), Experiments with a New Boosting Algorithm, in Proceedings of the Thirteenth International Conference on Machine Learning, pp. 148156, Morgan Kaufmann
[3] 朱健翔,苏光大,李迎春. 结合Gabor 特征与 Adaboost 的人脸表情识别.清华大学电子工程系图像图形研究所,光电子.激光17(8) ,2006 . .
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
