基于Fisher脸的人脸识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 人脸识别的主要研究方法 | 第14-16页 |
| 1.3.1 基于几何特征的方法 | 第14页 |
| 1.3.2 基于子空间的方法 | 第14-15页 |
| 1.3.3 基于神经网络的方法 | 第15页 |
| 1.3.4 基于隐马尔科夫模型的方法 | 第15页 |
| 1.3.5 基于支持向量机的方法 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-17页 |
| 1.5 本文的结构安排 | 第17-18页 |
| 第二章 人脸特征提取 | 第18-28页 |
| 2.1 局部二值模式LBP | 第18-25页 |
| 2.1.1 基本LBP算子 | 第18-19页 |
| 2.1.2 扩展的圆形邻域算子 | 第19-20页 |
| 2.1.3 改进的LBP特征 | 第20-25页 |
| 2.2 Haar-like特征 | 第25-28页 |
| 第三章 基于Adaboost算法的人脸检测 | 第28-38页 |
| 3.1 提升方法(Adaboost算法) | 第28-30页 |
| 3.1.1 提升方法的基本思路 | 第28页 |
| 3.1.2 Adaboost算法 | 第28-30页 |
| 3.2 强分类器的级联 | 第30页 |
| 3.3 利用OpenCV训练人脸检测器 | 第30-34页 |
| 3.4 检测人脸 | 第34-38页 |
| 第四章 人脸预处理 | 第38-52页 |
| 4.1 搜索眼部位置 | 第38页 |
| 4.2 眼部检测 | 第38-40页 |
| 4.3 人脸预处理 | 第40-52页 |
| 4.3.1 几何变换和裁剪 | 第40-42页 |
| 4.3.2 直方图均衡 | 第42-46页 |
| 4.3.3 平滑滤波 | 第46-50页 |
| 4.3.4 椭圆掩码 | 第50-52页 |
| 第五章 基于PCA和Fisher判据的人脸识别 | 第52-80页 |
| 5.1 K-L展开式的内容 | 第52-55页 |
| 5.1.1 K-L展开式 | 第52-54页 |
| 5.1.2 K-L展开式的性质 | 第54-55页 |
| 5.1.3 K-L坐标系的产生矩阵 | 第55页 |
| 5.2 Fisher线性判别分析 | 第55-62页 |
| 5.2.1 最优投影方向 | 第55-58页 |
| 5.2.2 计算阈值以确定分类面 | 第58-59页 |
| 5.2.3 多类问题的Fisher线性判别 | 第59-61页 |
| 5.2.4 LDA中存在的小样本问题 | 第61-62页 |
| 5.3 PCA算法在人脸识别中的应用 | 第62-64页 |
| 5.3.1 计算K-L变换的产生矩阵 | 第62页 |
| 5.3.2 计算特征值和特征向量 | 第62-64页 |
| 5.3.3 训练和测试样本图像投影到特征空间 | 第64页 |
| 5.4 基于PCA与Fisher判别的人脸识别 | 第64-73页 |
| 5.4.1 Fisher脸算法的实现步骤 | 第65-67页 |
| 5.4.2 实验与分析 | 第67-73页 |
| 5.5 基于Fisher脸算法的实时人脸识别系统 | 第73-80页 |
| 5.5.1 要点简介 | 第73-74页 |
| 5.5.2 系统测试 | 第74-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 本文总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |
