基于多特征融合与稀疏编码的人脸识别算法研究
| 目录 | 第3-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 引言 | 第8-11页 |
| 1.1 研究背景与动机 | 第8-9页 |
| 1.2 本文工作 | 第9页 |
| 1.3 文章结构 | 第9-11页 |
| 第二章 人脸识别特征 | 第11-21页 |
| 2.1 人脸特征算法 | 第12-18页 |
| 2.1.1 Gabor | 第12-16页 |
| 2.1.2 LBP算子 | 第16-18页 |
| 2.3 特征提取方法 | 第18-21页 |
| 2.3.1 全局 | 第18页 |
| 2.3.2 关键位置匹配法 | 第18-19页 |
| 2.3.3 分块法 | 第19-20页 |
| 2.3.4 多尺度 | 第20-21页 |
| 第三章 维数约简 | 第21-29页 |
| 3.1 PCA(主成分分析) | 第21-24页 |
| 3.1.1 PCA的基本原理 | 第21-22页 |
| 3.1.2 PCA的实现步骤 | 第22-23页 |
| 3.1.3 PCA伪代码 | 第23-24页 |
| 3.2 LDA(线性判别分析) | 第24-27页 |
| 3.3 LDA和PCA的区别 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-29页 |
| 第四章 稀疏编码 | 第29-36页 |
| 4.1 问题的数学表示 | 第29-31页 |
| 4.1.1 方程定义 | 第29页 |
| 4.1.2 问题求解 | 第29-30页 |
| 4.1.3 等价表示 | 第30-31页 |
| 4.1.4 问题表示的改进 | 第31页 |
| 4.2 实现过程 | 第31-34页 |
| 4.2.1 求解方法 | 第31页 |
| 4.2.2 最小范数计算公式 | 第31-34页 |
| 4.2.3 算法实现要点 | 第34页 |
| 4.3 实验结果与分析 | 第34-36页 |
| 4.3.1 测试样本 | 第34-35页 |
| 4.3.2 实验结果与分析 | 第35-36页 |
| 第五章 系统整合与实验 | 第36-43页 |
| 5.1 单训练样本 | 第36-41页 |
| 5.1.1 数据库和实验方法 | 第36-37页 |
| 5.1.2 实验结果与分析 | 第37-41页 |
| 5.2 多训练样本 | 第41-43页 |
| 5.2.1 数据库和实验方法 | 第41-42页 |
| 5.2.2 实验结果与分析 | 第42-43页 |
| 第六章 多特征融合 | 第43-45页 |
| 6.1 研究动机 | 第43页 |
| 6.2 多特征融合框架 | 第43页 |
| 6.3 特征级融合 | 第43页 |
| 6.4 决策级融合 | 第43-45页 |
| 6.4.1 级联分类器 | 第43-44页 |
| 6.4.2 局部识别结果合并 | 第44-45页 |
| 第七章 多特征融合实验结果与分析 | 第45-49页 |
| 7.0 算法改进前提 | 第45页 |
| 7.1 特征融合 | 第45-46页 |
| 7.2 筛选机制 | 第46页 |
| 7.3 降维后特征二次融合 | 第46-47页 |
| 7.4 级联分类器 | 第47页 |
| 7.5 实验总结 | 第47-49页 |
| 第八章 总结与展望 | 第49-51页 |
| 8.1 总结 | 第49-50页 |
| 8.2 展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录 | 第53-55页 |
| A 硕士在读期间发表的学术论文 | 第53-54页 |
| B 硕士期间参加的科研项目 | 第54-55页 |
| 致谢 | 第55-56页 |
