人脸定位方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-22页 |
| ·生物特征识别技术概述 | 第11-12页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·课题来源 | 第12页 |
| ·课题研究目的 | 第12-13页 |
| ·课题研究背景与意义 | 第13页 |
| ·课题的国内外研究现状 | 第13-19页 |
| ·人脸定位的发展史 | 第13-15页 |
| ·国内外的研究概况 | 第15-16页 |
| ·现有的人脸定位方法 | 第16-18页 |
| ·人脸定位方法的评价标准 | 第18-19页 |
| ·目前存在的问题 | 第19-20页 |
| ·论文的主要研究内容 | 第20页 |
| ·论文的组织结构 | 第20-22页 |
| 第二章 基于肤色分割的人脸定位 | 第22-31页 |
| ·色彩的概念 | 第22-23页 |
| ·肤色模型原理 | 第23页 |
| ·选取色彩空间 | 第23-28页 |
| ·颜色空间 | 第23-27页 |
| ·聚类性比较 | 第27-28页 |
| ·建立肤色模型 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 预处理 | 第31-41页 |
| ·光照补偿的常用方法 | 第31-33页 |
| ·监督颜色恒常性方法 | 第31页 |
| ·Gray World 的彩色均衡法 | 第31-32页 |
| ·“White Patch”方法 | 第32-33页 |
| ·人脸图像二值化 | 第33-38页 |
| ·阈值分割 | 第33-35页 |
| ·基于数学形态学的滤波 | 第35-37页 |
| ·可调结构元素参数的选择 | 第37-38页 |
| ·肤色区域标记 | 第38-39页 |
| ·候选人脸区域的筛选 | 第39-40页 |
| ·基于人脸区域面积的筛选 | 第39页 |
| ·基于人脸区域长宽比的筛选 | 第39-40页 |
| ·基于欧拉数的筛选 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于 AdaBoost 的人脸定位算法 | 第41-59页 |
| ·Boosting 算法 | 第41页 |
| ·AdaBoost 方法 | 第41-58页 |
| ·Haar-like 特征 | 第43-46页 |
| ·积分图 | 第46-48页 |
| ·训练样本的选择 | 第48-50页 |
| ·样本图像预处理 | 第50-51页 |
| ·弱分类器的训练 | 第51-53页 |
| ·强分类器的构造 | 第53-54页 |
| ·基于AdaBoost 算法的人脸定位 | 第54-55页 |
| ·AdaBoost 人脸定位方法的选择与实现 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于肤色和 AdaBoost 的人脸定位 | 第59-63页 |
| ·肤色检测的不足 | 第59页 |
| ·AdaBoost 算法的不足 | 第59页 |
| ·肤色分割与 AdaBoost 相结合的人脸定位 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·结论 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·本文总结 | 第63-64页 |
| ·未来展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
