姿态变化的人脸识别及关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题的意义 | 第10页 |
| ·人脸识别技术的发展和现状 | 第10-11页 |
| ·人脸识别面临的难点——姿态变化 | 第11-12页 |
| ·课题的研究内容 | 第12-13页 |
| ·论文内容安排 | 第13-16页 |
| 第2章 人脸识别理论背景 | 第16-24页 |
| ·人脸识别的研究内容 | 第16-17页 |
| ·人脸特征分析方法 | 第17-19页 |
| ·特征提取和选择 | 第17-18页 |
| ·特征匹配 | 第18页 |
| ·常用的特征分类器设计 | 第18-19页 |
| ·人脸识别的标准执行模式和数据库 | 第19-21页 |
| ·人脸识别通用的训练和测试模式 | 第19-20页 |
| ·主流的人脸数据库 | 第20-21页 |
| ·人脸识别算法的评价指标 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 姿态变化的人脸检测 | 第24-34页 |
| ·引言 | 第24页 |
| ·基于Adaboost统计学习的人脸检测 | 第24-28页 |
| ·Haar-like特征 | 第25-26页 |
| ·Adaboost算法 | 第26-28页 |
| ·用Adaboost分类器进行人脸检测 | 第28-31页 |
| ·姿态变化的人脸检测 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 姿态变化环境下的人脸表征 | 第34-48页 |
| ·引言 | 第34页 |
| ·ASM和AAM | 第34-38页 |
| ·姿态变化环境下的ASM模型训练 | 第38-41页 |
| ·姿态变化环境下的ASM模型拟合 | 第41-46页 |
| ·随机森林 | 第42-44页 |
| ·基于条件随机森林的人脸特征点检测 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 侧脸姿态矫正与合成 | 第48-58页 |
| ·引言 | 第48页 |
| ·选择回归方法 | 第48-51页 |
| ·侧脸矫正思路 | 第51-54页 |
| ·合成图像效果评价 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第6章 姿态变化的人脸识别实验 | 第58-64页 |
| ·LBP和LGBPHS | 第58-60页 |
| ·图像处理 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 总结和展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第72页 |
