基于视频监控的人脸识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题研究背景与意义 | 第9-11页 |
| ·人脸识别技术概述 | 第11-16页 |
| ·国内外研究现状 | 第11-12页 |
| ·人脸识别的流程 | 第12-13页 |
| ·人脸识别中的常用方法 | 第13-15页 |
| ·人脸识别中的难点 | 第15页 |
| ·人脸识别的评测指标 | 第15-16页 |
| ·人脸数据库介绍 | 第16-17页 |
| ·本文的研究内容及各章节安排 | 第17-19页 |
| 第二章 人脸检测 | 第19-28页 |
| ·人脸检测的常用方法 | 第19-20页 |
| ·基于ADABOOST算法的人脸检测 | 第20-26页 |
| ·类Haar特征和积分图 | 第21-23页 |
| ·分类器训练 | 第23-25页 |
| ·级联分类器 | 第25-26页 |
| ·实验结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于改进LBP的人脸识别 | 第28-48页 |
| ·局部二值模式(LBP) | 第28-34页 |
| ·基本LBP算子 | 第28-30页 |
| ·LBP算子的旋转不变模式 | 第30-32页 |
| ·LBP算子的均匀模式 | 第32-34页 |
| ·LBP算子的优点和不足 | 第34页 |
| ·改进的LBP算子 | 第34-36页 |
| ·基于改进LBP的人脸识别 | 第36-42页 |
| ·图像预处理 | 第37-38页 |
| ·LBP特征提取过程 | 第38-40页 |
| ·LBP直方图的相似性度量 | 第40-42页 |
| ·K近邻分类器 | 第42页 |
| ·实验部分 | 第42-46页 |
| ·实验中用到的人脸库 | 第42-44页 |
| ·预处理对识别结果的影响 | 第44-45页 |
| ·分块方式对识别结果的影响 | 第45页 |
| ·改进的LBP对识别结果的影响 | 第45-46页 |
| ·两种相似性度量方法对识别结果的影响 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第四章 人脸识别系统 | 第48-55页 |
| ·系统简介 | 第48页 |
| ·系统的设计框架 | 第48-49页 |
| ·系统的功能介绍和演示 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的科研成果 | 第62页 |
