基于量子进化算法的人脸检测
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景与意义 | 第12页 |
| ·人脸检测的发展现状 | 第12-13页 |
| ·人脸检测方法的研究现状 | 第13-17页 |
| ·基于几何特征的人脸检测方法 | 第13页 |
| ·基于模板匹配的人脸检测方法 | 第13页 |
| ·基于机器学习的方法 | 第13-14页 |
| ·基于子空间的方法 | 第14-17页 |
| ·人脸检测性能的评价标准 | 第17页 |
| ·本文的主要工作及内容安排 | 第17-19页 |
| 第2章 人脸检测理论 | 第19-23页 |
| ·引言 | 第19页 |
| ·人脸检测的概念 | 第19页 |
| ·人脸检测的方法 | 第19-22页 |
| ·基于知识的方法 | 第19-20页 |
| ·基于特征的方法 | 第20-21页 |
| ·模板匹配 | 第21页 |
| ·基于外观的方法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 人脸特征提取算法 | 第23-28页 |
| ·引言 | 第23页 |
| ·神经网络方法 | 第23-24页 |
| ·神经网络的发展 | 第23页 |
| ·BP算法的原理 | 第23页 |
| ·BP算法的实现步骤 | 第23-24页 |
| ·进化算法 | 第24-27页 |
| ·遗传算法 | 第24页 |
| ·蚁群算法 | 第24-26页 |
| ·粒子群优化算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于QEA优化的边界策略 | 第28-39页 |
| ·引言 | 第28页 |
| ·PCA算法 | 第28-32页 |
| ·PCA算法的原理 | 第28页 |
| ·K-L变换 | 第28-29页 |
| ·奇异值分解的引入 | 第29-30页 |
| ·主成分分析法PCA和密度估计 | 第30-32页 |
| ·采用QEA算法优化的边界策略 | 第32-37页 |
| ·构建数据集 | 第32-33页 |
| ·边界策略 | 第33-34页 |
| ·QEA | 第34-36页 |
| ·QEA的算法流程 | 第36页 |
| ·QEA算法改进边界策略算法步骤 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第5章 QEA算法改进的人脸检测系统的实现 | 第39-46页 |
| ·QEA算法改进的边界策略在人脸检测系统的实现 | 第39-41页 |
| ·PCA检测人脸实验 | 第41页 |
| ·将预处理的图像读入人脸库 | 第41页 |
| ·K-L变换的矩阵 | 第41页 |
| ·改进的基于QEA边界策略的人脸检测 | 第41-45页 |
| ·算法流程 | 第41-42页 |
| ·实验分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 总结和展望 | 第46-47页 |
| 总结 | 第46页 |
| 对未来工作的展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第53页 |
