基于局部特征融合的视频人脸识别系统
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 人脸检测概述 | 第15-16页 |
| 1.2.2 人脸识别概述 | 第16-18页 |
| 1.3 人脸识别系统的结构和常用人脸库 | 第18-19页 |
| 1.4 论文主要工作和结构安排 | 第19-21页 |
| 第二章 人脸检测和图像预处理 | 第21-34页 |
| 2.1 引言 | 第21页 |
| 2.2 Adaboost人脸检测算法 | 第21-29页 |
| 2.2.1 Adaboost算法原理 | 第22页 |
| 2.2.2 Haar-like特征和积分图 | 第22-25页 |
| 2.2.3 训练分类器 | 第25-27页 |
| 2.2.4 级联分类器 | 第27-29页 |
| 2.3 人脸图像预处理 | 第29-33页 |
| 2.3.1 光照预处理 | 第29-31页 |
| 2.3.2 去噪预处理 | 第31-33页 |
| 2.3.3 尺寸归一化处理 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 自适应阈值局部特征融合的人脸识别 | 第34-51页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基本的LBP描述算子 | 第35-39页 |
| 3.2.1 LBP算子 | 第35-37页 |
| 3.2.2 均匀模式LBP算子 | 第37-38页 |
| 3.2.3 分块LBP算子 | 第38-39页 |
| 3.3 改进的LBP特征提取算法 | 第39-44页 |
| 3.3.1 局部Gabor特征提取基本原理 | 第39-41页 |
| 3.3.2 LDP特征提取基本原理 | 第41-43页 |
| 3.3.3 LGC特征提取基本原理 | 第43-44页 |
| 3.4 自适应阈值局部特征融合的人脸特征提取算法 | 第44-47页 |
| 3.4.1 自适应阈值的ULBP编码 | 第44-45页 |
| 3.4.2 加权的局部特征融合 | 第45-46页 |
| 3.4.3 支持向量机(SVM)分类算法 | 第46页 |
| 3.4.4 标准人脸数据库介绍 | 第46-47页 |
| 3.5 实验结果与分析 | 第47-49页 |
| 3.5.1 自适应阈值比例系数的选取 | 第47-48页 |
| 3.5.2 本文算法与其他算法的识别率比较 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 视频人脸识别系统的设计与实现 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 系统简介 | 第51-52页 |
| 4.2.1 开发环境 | 第51-52页 |
| 4.2.2 OpenCV配置介绍 | 第52页 |
| 4.3 人脸识别系统设计与实现 | 第52-60页 |
| 4.3.1 系统功能设计 | 第53-55页 |
| 4.3.2 人脸数据库设计 | 第55-57页 |
| 4.3.3 系统实现 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 展望未来 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间学术活动及成果清单 | 第67-69页 |
