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 |