基于视频关键帧的多姿态人脸识别技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 视频人脸识别过程及关键问题解决方法 | 第16-29页 |
| 2.1 移动智能设备在人脸识别应用上的特性分析 | 第16-18页 |
| 2.2 基于视频关键帧的人脸识别方法研究 | 第18-21页 |
| 2.2.1 基于视频的人脸识别流程 | 第18-20页 |
| 2.2.2 关键帧识别方法及关键帧的筛选 | 第20-21页 |
| 2.3 识别过程关键问题解决方法 | 第21-25页 |
| 2.3.1 帧率选取 | 第21-23页 |
| 2.3.2 分辨率选取 | 第23-25页 |
| 2.4 人脸图像预处理 | 第25-26页 |
| 2.4.1 灰度预处理 | 第25页 |
| 2.4.2 几何预处理 | 第25-26页 |
| 2.5 目标人脸存储处理 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于视频的人脸检测与跟踪 | 第29-40页 |
| 3.1 基于视频的人脸检测方法研究 | 第29-34页 |
| 3.1.1 人脸检测算法分析 | 第29-31页 |
| 3.1.2 基于Adaboost的算法原理 | 第31-34页 |
| 3.2 基于Adaboost的自适应人脸检测方法 | 第34-37页 |
| 3.3 实时人脸跟踪方法设计 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 关键帧快速特征提取与匹配方法研究与设计 | 第40-52页 |
| 4.1 人脸识别方法及特征点定位方法分析 | 第40-41页 |
| 4.1.1 基于局部特征的人脸识别方法 | 第40-41页 |
| 4.1.2 基于全局特征的人脸识别方法 | 第41页 |
| 4.2 快速几何特征提取与匹配设计 | 第41-47页 |
| 4.2.1 特征点定位方法 | 第42页 |
| 4.2.2 面部关键特征点定位 | 第42-45页 |
| 4.2.3 几何特征向量构造 | 第45-46页 |
| 4.2.4 相似度匹配 | 第46-47页 |
| 4.3 细节特征区域裁剪 | 第47-48页 |
| 4.4 模板匹配的改进 | 第48-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 多姿态人脸识别方法设计 | 第52-61页 |
| 5.1 多姿态辅助人脸识别 | 第52-53页 |
| 5.2 多姿态人脸识别分析 | 第53-54页 |
| 5.3 人脸姿态估计 | 第54-59页 |
| 5.4 多姿态识别方法 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 实验分析 | 第61-69页 |
| 6.1 实验运行环境 | 第61-62页 |
| 6.2 实验分析 | 第62-68页 |
| 6.2.1 实验数据来源 | 第62页 |
| 6.2.2 人脸检测分析 | 第62-63页 |
| 6.2.3 人脸识别分析 | 第63-68页 |
| 6.3 本章小结 | 第68-69页 |
| 第7章 结论 | 第69-71页 |
| 7.1 总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第75页 |
