统计人脸识别系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景 | 第8页 |
| ·人脸识别的应用领域 | 第8-9页 |
| ·人脸识别大规模应用的主要难点 | 第9页 |
| ·人脸识别的发展及现状 | 第9-10页 |
| ·如何进行人脸识别---人脸识别的步骤及方法 | 第10-13页 |
| ·人脸的图像表示 | 第10页 |
| ·人脸的检测与定位 | 第10-11页 |
| ·图像预处理 | 第11页 |
| ·特征提取 | 第11-12页 |
| ·分类器 | 第12-13页 |
| ·统计人脸识别的含义及性能评估 | 第13-14页 |
| ·本文的主要工作及结构安排 | 第14-15页 |
| 第二章 基于KL 变换的PCA 人脸识别方法 | 第15-27页 |
| ·引言 | 第15页 |
| ·数据向量的有限KL 展开 | 第15-16页 |
| ·采用KL 变换的分类特征提取 | 第16-17页 |
| ·按模式总体的协方差矩阵作KL 变换 | 第16页 |
| ·按模式的类内散布矩阵作KL 变换 | 第16页 |
| ·按类间距离的KL 变换 | 第16-17页 |
| ·基于KL 变换的特征脸识别方法 | 第17-23页 |
| ·特征脸的计算 | 第18-19页 |
| ·用特征脸进行识别 | 第19-20页 |
| ·实验 | 第20-23页 |
| ·均值PCA 方法 | 第23-26页 |
| ·均值PCA 生成矩阵的计算 | 第23-24页 |
| ·实验 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于Fisher 辨别的人脸识别方法 | 第27-40页 |
| ·引言 | 第27页 |
| ·两类问题的Fisher 判别 | 第27-30页 |
| ·Fisher 鉴别向量 | 第27-30页 |
| ·最优鉴别平面 | 第30页 |
| ·多类问题的Fisher 判别 | 第30-33页 |
| ·基于PCA 的Fisher 线性判别人脸识别 | 第33-36页 |
| ·投影矩阵推导 | 第33-34页 |
| ·实验 | 第34-36页 |
| ·基于矩阵对角化的Fisher 线性判别人脸识别 | 第36-37页 |
| ·投影矩阵推导 | 第36页 |
| ·实验 | 第36-37页 |
| ·辨识空间的正交化 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第四章 基于Gabor 变换域的人脸识别 | 第40-49页 |
| ·引言 | 第40页 |
| ·小波描述人脸特征的优点 | 第40页 |
| ·Gabor 变换应用于人脸识别领域的优点 | 第40-41页 |
| ·Gabor 变换 | 第41-42页 |
| ·Gabor 小波的选取 | 第42-45页 |
| ·实验 | 第45-46页 |
| ·图像的Gabor 表示 | 第45页 |
| ·实验结果 | 第45-46页 |
| ·小结 | 第46-49页 |
| 第五章 基于奇异特征值的人脸识别 | 第49-56页 |
| ·引言 | 第49页 |
| ·奇异特征值向量 | 第49-52页 |
| ·奇异值特征向量的提取 | 第49-50页 |
| ·奇异特征值向量的重要性质 | 第50-52页 |
| ·基于奇异特征值向量的人脸识别技术 | 第52-54页 |
| ·基于奇异值特征向量的PCA 人脸识别方法 | 第52-53页 |
| ·基于奇异值特征向量的LDA 人脸识别方法 | 第53-54页 |
| ·实验 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 贝叶斯人脸识别方法 | 第56-65页 |
| ·引言 | 第56页 |
| ·传统贝叶斯上的判别公式推导 | 第56-58页 |
| ·贝叶斯公式的简化 | 第58-62页 |
| ·公式的推导 | 第58-61页 |
| ·具体的计算 | 第61-62页 |
| ·实验 | 第62-63页 |
| ·小结 | 第63-65页 |
| 结束语 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 人脸图像库简介 | 第71-72页 |
