基于视频序列的人脸识别系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 图目录 | 第9-10页 |
| 第一章 绪论 | 第10-26页 |
| ·研究背景与意义 | 第10-14页 |
| ·研究背景 | 第10-14页 |
| ·研究意义 | 第14页 |
| ·人脸识别研究的发展与现状 | 第14-17页 |
| ·人脸识别的常用方法 | 第17-23页 |
| ·基于统计模型的人脸识别算法 | 第17-18页 |
| ·特征脸方法 | 第18页 |
| ·基于知识的特征提取方法 | 第18-19页 |
| ·神经网络方法 | 第19页 |
| ·隐马尔可夫模型方法 | 第19-20页 |
| ·基于支持向量机的人脸识别方法 | 第20-21页 |
| ·三维人脸识别的方法 | 第21页 |
| ·基于小波变换的人脸识别方法 | 第21-23页 |
| ·人脸识别的优势及不足 | 第23-24页 |
| ·本文的主要工作和内容安排 | 第24-26页 |
| 第二章 人脸识别的前期准备 | 第26-48页 |
| ·引言 | 第26页 |
| ·人脸图像预处理 | 第26-30页 |
| ·图像噪声处理 | 第27-28页 |
| ·图像的光照补偿 | 第28-30页 |
| ·图像的增强与恢复 | 第30页 |
| ·图像的归一化 | 第30页 |
| ·国内外人脸图像数据库 #,23 | 第30-34页 |
| ·分类器设计 | 第34-44页 |
| ·最近邻法 | 第34-35页 |
| ·线性分类器 | 第35-38页 |
| ·人工神经网络 | 第38-41页 |
| ·支持向量机 | 第41-42页 |
| ·Adaboost分类器 | 第42-44页 |
| ·相关技术指标 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 基于Adaboost算法的人脸检测 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·Adaboost算法 | 第49-50页 |
| ·矩形特征 | 第50-53页 |
| ·级联分类器 | 第53-56页 |
| ·实验验证 | 第56-62页 |
| ·样本训练 | 第56-61页 |
| ·运行结果 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 基于Gabor小波的人脸识别算法 | 第64-72页 |
| ·引言 | 第64页 |
| ·Gabor特征提取 | 第64-70页 |
| ·二维Gabor滤波器 | 第64-66页 |
| ·特征提取 | 第66-68页 |
| ·多维Gabor特征的降维 | 第68-69页 |
| ·实验结果及分析 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第五章 基于视频序列的人脸识别系统 | 第72-78页 |
| ·软件运行环境 | 第72-73页 |
| ·人脸识别系统的设计与实现 | 第73-77页 |
| ·视频采集模块 | 第73-74页 |
| ·用户注册模块 | 第74-75页 |
| ·人脸识别模块 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献/Reference | 第82-86页 |
| 附录Ⅰ 攻读硕士期间的研究成果 | 第86页 |
