基于LBP和岭回归在线视频人脸识别系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·人脸识别技术的研究背景和意义 | 第8-9页 |
| ·人脸识别技术的发展和研究现状 | 第9-12页 |
| ·人脸识别技术的发展 | 第9-11页 |
| ·人脸识别技术的研究现状 | 第11-12页 |
| ·人脸识别技术存在的难点 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 人脸图像的预处理和人脸检测 | 第14-31页 |
| ·人脸图像的预处理 | 第14-22页 |
| ·人脸图像的灰度化 | 第14-15页 |
| ·人脸图像大小校正 | 第15-17页 |
| ·直方图均衡化 | 第17-22页 |
| ·人脸检测 | 第22-30页 |
| ·AdaBoost 算法的基本原理 | 第22-23页 |
| ·基于积分图的矩形特征快速算法 | 第23-26页 |
| ·AdaBoost 级联分类器的训练 | 第26-28页 |
| ·二次人脸检测的实现 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于 LBP 特征的人脸图像分析 | 第31-43页 |
| ·局部二值模式 | 第31-35页 |
| ·LBP 算法基本原理 | 第31-34页 |
| ·LBP 等价模式 | 第34-35页 |
| ·基于 LBP 的人脸图像分析 | 第35-37页 |
| ·基于 PCA 方法的 LBP 特征降维 | 第37-40页 |
| ·PCA 的概念和原理 | 第37-38页 |
| ·PCA 人脸图像的分析 | 第38-39页 |
| ·结合 PCA 的 LBP 特征降维的实现 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 人脸识别中的分类器 | 第43-51页 |
| ·极限学习机 | 第43-44页 |
| ·支持向量机 | 第44-45页 |
| ·人脸识别中的回归方法 | 第45-47页 |
| ·线性回归方法 | 第45-46页 |
| ·岭回归方法 | 第46-47页 |
| ·岭回归极限学习机 | 第47页 |
| ·岭回归和岭回归 ELM 算法的实现 | 第47-48页 |
| ·各分类器识别率比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 人脸识别系统的设计与实现 | 第51-64页 |
| ·人脸识别系统的总体结构 | 第51-52页 |
| ·系统的开发环境 | 第52-54页 |
| ·硬件支撑 | 第52页 |
| ·软件开发环境 | 第52-54页 |
| ·系统的详细设计 | 第54-58页 |
| ·人脸获取模块 | 第54-55页 |
| ·样本训练模块 | 第55-56页 |
| ·人脸识别模块 | 第56-58页 |
| ·系统运行效果及性能分析 | 第58-63页 |
| ·运行效果 | 第58-62页 |
| ·主要性能分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·对未来工作的展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表论文及参加科研情况说明 | 第69-70页 |
| 致谢 | 第70-71页 |
