摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状与发展趋势 | 第10-12页 |
1.2.1 人脸检测研究现状 | 第10-11页 |
1.2.2 人脸识别研究现状 | 第11-12页 |
1.3 本文的研究内容和方法 | 第12-13页 |
1.3.1 人脸检测方法 | 第12-13页 |
1.3.2 人脸识别方法 | 第13页 |
1.4 论文的组织结构 | 第13-14页 |
1.5 本章小结 | 第14-15页 |
第2章 人脸检测与识别基本理论 | 第15-24页 |
2.1 人脸检测与识别效果评价指标 | 第15-16页 |
2.1.1 人脸检测技术的评价指标 | 第15页 |
2.1.2 人脸识别技术的评价指标 | 第15-16页 |
2.2 人脸检测算法 | 第16-20页 |
2.2.1 基于知识的方法 | 第16-18页 |
2.2.2 基于统计学习的方法 | 第18-20页 |
2.3 人脸识别算法 | 第20-22页 |
2.3.1 基于几何特征的方法 | 第20-21页 |
2.3.2 基于神经网络的方法 | 第21页 |
2.3.3 基于特征空间变换的方法 | 第21-22页 |
2.3.4 基于隐马尔可夫模型的方法 | 第22页 |
2.4 本章小结 | 第22-24页 |
第3章 图像增强与分割技术 | 第24-38页 |
3.1 图像增强 | 第24-29页 |
3.1.1 人脸检测中的直方图均衡化 | 第24-27页 |
3.1.2 人脸识别中的光照补偿 | 第27-29页 |
3.2 图像分割 | 第29-35页 |
3.2.1 基于灰度阈值分割的方法 | 第29-31页 |
3.2.2 边缘检测 | 第31-33页 |
3.2.3 彩色图像分割 | 第33-35页 |
3.3 开发工具介绍 | 第35-36页 |
3.3.1 OpenCV技术介绍 | 第35-36页 |
3.3.2 OpenCV技术应用 | 第36页 |
3.4 本章小结 | 第36-38页 |
第4章 基于Adaboost人脸检测算法的研究与实现 | 第38-52页 |
4.1 Adaboost算法简述 | 第38页 |
4.2 Haar特征及特征值计算 | 第38-39页 |
4.2.1 Haar特征 | 第38-39页 |
4.2.2 Haar特征值计算 | 第39页 |
4.3 分类器的构造 | 第39-42页 |
4.3.1 弱分类器的构造 | 第39-40页 |
4.3.2 强分类器的构造 | 第40-41页 |
4.3.3 级联分类器生成 | 第41-42页 |
4.4 基于肤色分割的Adaboo-算法改进 | 第42-46页 |
4.4.1 肤色检测 | 第42-44页 |
4.4.2 肤色分割 | 第44-46页 |
4.5 人脸检测算法的实现与结果分析 | 第46-51页 |
4.5.1 静态与视频图像人脸检测的实现 | 第47-49页 |
4.5.2 人脸检测算法的比较与结果分析 | 第49-51页 |
4.6 本章小结 | 第51-52页 |
第5章 人脸识别算法的研究与实现 | 第52-68页 |
5.1 人脸识别介绍 | 第52页 |
5.2 基于Fisherfaces人脸识别方法 | 第52-58页 |
5.2.1 PCA算法描述 | 第52-53页 |
5.2.2 PCA算法的实现 | 第53-54页 |
5.2.3 LDA算法 | 第54-55页 |
5.2.4 Fisherfaces算法描述 | 第55-57页 |
5.2.5 Fisherfaces算法的实现 | 第57-58页 |
5.3 基于LBP算法的人脸识别 | 第58-62页 |
5.3.1 LBP算子描述 | 第58-60页 |
5.3.2 Uniform模式的LBP算子 | 第60-61页 |
5.3.3 基于LBP分块人脸特征的提取 | 第61-62页 |
5.4 结合Fisherfaces与LBP的改进识别算法 | 第62-67页 |
5.4.1 人脸识别系统的实现 | 第63-65页 |
5.4.2 人脸识别算法的比较与结果分析 | 第65-67页 |
5.5 本章小结 | 第67-68页 |
第6章 总结与展望 | 第68-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-74页 |
研究生期间发表论文及参加项目情况 | 第74-75页 |