首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸检测及眼睛定位算法的研究

摘要第6-7页
abstract第7-8页
第1章 绪论第12-18页
    1.1 研究背景和研究意义第12-13页
    1.2 国内外研究现状第13-14页
    1.3 人眼检测及人眼状态识别的技术简析第14-15页
        1.3.1 人眼状态识别系统结构第14-15页
        1.3.2 人脸检测及人眼状态识别的难题第15页
    1.4 本文研究的主要内容及论文的组织结构第15-18页
第2章 人脸检测及人眼检测方法综述第18-33页
    2.1 图像预处理第18-26页
        2.1.1 图像灰度化第18-19页
        2.1.2 图像增强第19-21页
            2.1.2.1 直方图均衡化第19-20页
            2.1.2.2 Retinex理论及算法简介第20-21页
        2.1.3 图像平滑第21-26页
            2.1.3.1 中值滤波第22页
            2.1.3.2 方框滤波第22-23页
            2.1.3.3 高斯滤波第23页
            2.1.3.4 双边滤波第23-24页
            2.1.3.5 同态滤波第24-26页
    2.2 人脸检测主要方法第26-30页
        2.2.1 基于知识的人脸检测方法第26-28页
            2.2.1.1 模板匹配第26页
            2.2.1.2 人脸的几何特征第26页
            2.2.1.3 边缘与形状第26-27页
            2.2.1.4 纹理特征第27页
            2.2.1.5 肤色特征第27-28页
        2.2.2 基于统计理论的人脸检测方法第28-30页
            2.2.2.1 主成分分析(PCA)第28页
            2.2.2.2 支持向量机第28-29页
            2.2.2.3 神经网络方法第29页
            2.2.2.4 隐马尔可夫模型第29页
            2.2.2.5 Adaboost算法第29-30页
    2.3 人眼检测的主要方法第30-31页
        2.3.1 常光源下的人眼检测第30-31页
        2.3.2 红外光源下的人眼检测第31页
    2.4 本章小结第31-33页
第3章 基于肤色的人脸检测和分割第33-44页
    3.1 色彩空间简介及色彩空间的选取第33-35页
        3.1.1 RGB彩色空间第33-34页
        3.1.2 HIS彩色空间第34页
        3.1.3 YUV彩色空间第34页
        3.1.4 YCbCr彩色空间第34页
        3.1.5 色彩空间的选择第34-35页
    3.2 肤色模型的选择第35-37页
    3.3 基于肤色模型的人脸区域分割第37-42页
        3.3.1 形态学去除背景中的类肤色区域第37-41页
            3.3.1.1 形态学处理第37-40页
            3.3.1.2 基于连通区域标记的面积滤波法第40-41页
        3.3.2 人脸区域分割第41-42页
    3.4 实验结果分析第42-43页
    3.5 本章小结第43-44页
第4章 眼睛中心的定位及人眼分割第44-54页
    4.1 霍夫变换第44-45页
    4.2 灰度积分投影第45-46页
    4.3 径向对称变换算法第46-48页
    4.4 霍夫变换和径向多对称变换对比分析第48-49页
    4.5 积分投影和RST变换相结合实现人眼检测第49-53页
        4.5.1 水平灰度积分投影实现人眼粗定位第50-51页
        4.5.2 基于RST变换实现眼睛精确分割第51-52页
        4.5.3 实验结果分析第52-53页
    4.6 本章小结第53-54页
第5章 人眼状态的识别第54-64页
    5.1 人眼状态识别系统的介绍第54-57页
        5.1.1 基于人眼几何知识的识别方法第54-56页
        5.1.2 基于特征统计的识别方法第56页
        5.1.3 模板匹配法第56-57页
        5.1.4 基于神经网络的识别方法第57页
    5.2 BP神经网络原理第57-62页
    5.3 基于BP神经网络的人眼状态识别第62-63页
    5.4 本章小结第63-64页
第6章 论文工作总结第64-66页
参考文献第66-70页
攻读硕士学位期间发表的论文和获得的科研成果第70-71页
致谢第71-72页

论文共72页,点击 下载论文
上一篇:多模态过程故障诊断方法研究
下一篇:图像内容检索的深度学习方法研究