| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-32页 |
| 1.1 研究的背景及意义 | 第16-18页 |
| 1.2 人脸特征检测研究现状及分析 | 第18-28页 |
| 1.2.1 研究现状概述 | 第19-24页 |
| 1.2.2 经典人脸特征检测方法 | 第24-26页 |
| 1.2.3 当前研究进展 | 第26-28页 |
| 1.3 存在的问题 | 第28-30页 |
| 1.4 主要研究内容 | 第30-32页 |
| 第2章 图像融合的人脸边缘检测 | 第32-50页 |
| 2.1 引言 | 第32-33页 |
| 2.2 平滑算法去噪分析 | 第33-40页 |
| 2.3 肤色分割与融合处理 | 第40-44页 |
| 2.3.1 肤色检测与分割 | 第40-42页 |
| 2.3.2 图像融合 | 第42-43页 |
| 2.3.3 融合实验与分析 | 第43-44页 |
| 2.4 人脸图像边缘检测 | 第44-48页 |
| 2.4.1 八邻域梯度算子边缘检测 | 第44-46页 |
| 2.4.2 边缘检测实验与分析 | 第46-48页 |
| 2.5 本章小结 | 第48-50页 |
| 第3章 肤色分割和多尺度采样卷积神经网络的人脸检测 | 第50-75页 |
| 3.1 引言 | 第50-51页 |
| 3.2 基于高斯混合模型的肤色分割 | 第51-55页 |
| 3.2.1 YC_bC_r色彩空间 | 第52页 |
| 3.2.2 高斯混合肤色模型 | 第52-54页 |
| 3.2.3 肤色区域分割 | 第54页 |
| 3.2.4 数学形态学处理 | 第54-55页 |
| 3.3 基于多尺度采样的卷积神经网络人脸检测方法 | 第55-67页 |
| 3.3.1 卷积神经网络的基本结构 | 第55-57页 |
| 3.3.2 多尺度采样 | 第57-63页 |
| 3.3.3 整体网络拓扑结构 | 第63-66页 |
| 3.3.4 训练学习方法 | 第66-67页 |
| 3.4 实验结果与分析 | 第67-74页 |
| 3.4.1 多尺度采样有效性分析 | 第67-68页 |
| 3.4.2 对比实验 | 第68-74页 |
| 3.5 本章小结 | 第74-75页 |
| 第4章 PMLPQ算法的人脸特征提取 | 第75-92页 |
| 4.1 引言 | 第75页 |
| 4.2 LPQ特征提取 | 第75-80页 |
| 4.2.1 人脸局部特征分析 | 第75-78页 |
| 4.2.2 LPQ算法 | 第78-80页 |
| 4.3 PMLPQ特征提取 | 第80-81页 |
| 4.4 并行计算机制 | 第81-83页 |
| 4.5 Fisherfaces方法 | 第83-85页 |
| 4.6 实验结果与分析 | 第85-91页 |
| 4.6.1 基于PMLPQ的多姿态人脸识别 | 第85-87页 |
| 4.6.2 基于PMLPQ的多分辨率人脸识别 | 第87-89页 |
| 4.6.3 基于PMLPQ的人脸表情识别 | 第89-90页 |
| 4.6.4 基于PMLPQ不同伪装遮挡的人脸识别 | 第90-91页 |
| 4.7 本章小结 | 第91-92页 |
| 第5章 人脸智能识别平台的设计开发 | 第92-101页 |
| 5.1 引言 | 第92页 |
| 5.2 人脸识别平台工作原理 | 第92-93页 |
| 5.3 人脸识别平台配置 | 第93-95页 |
| 5.3.1 硬件配置 | 第93-94页 |
| 5.3.2 软件配置 | 第94-95页 |
| 5.4 人脸识别平台的实现 | 第95-100页 |
| 5.4.1 人脸检测模块的实现 | 第95-96页 |
| 5.4.2 人脸采集模块的实现 | 第96-98页 |
| 5.4.3 人脸识别模块的实现 | 第98-100页 |
| 5.5 本章小结 | 第100-101页 |
| 结论 | 第101-103页 |
| 参考文献 | 第103-114页 |
| 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115页 |