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

复杂背景下的多姿态人脸识别技术研究

中文摘要第1-5页
英文摘要第5-6页
第一章 绪论第6-11页
 §1.1 课题的背景与研究意义第6页
 §1.2 论文的主要研究内容第6-8页
 §1.3 论文的主要研究成果第8-9页
 §1.4 论文内容安排第9-11页
第二章 复杂背景下的人脸检测技术第11-24页
 §2.1 概述第11-13页
 §2.2 复杂背景下的灰度人脸检测第13-14页
 §2.3 复杂背景下的彩色人脸检测技术第14-23页
  §2.3.1 引言第14-15页
  §2.3.2 基于彩色分割的人脸候选区检测第15-16页
  §2.3.3 基于简单形状分析的的人脸一次证实第16-17页
  §2.3.4 基于人脸局部特征的人脸二次证实第17-19页
  §2.3.5 基于人头部模型的人脸三次证实第19页
  §2.3.6 实验结果与总结第19-23页
 §2.4 小结第23-24页
第三章 人脸特征提取技术第24-46页
 §3.1 概述第24-25页
 §3.2 已有的人脸特征提取方法第25-28页
  §3.2.1 基于几何结构的人脸特征提取方法第25-26页
  §3.2.2 基于统计分布的人脸特征提取方法第26-28页
 §3.3 人脸图像归一化方法第28-29页
 §3.4 人脸器官特征定位技术第29-37页
  §3.4.1 已有的人脸器官特征定位技术第29-30页
  §3.4.2 新的多姿态人脸器官特征定位技术第30-37页
   一、 概述第30页
   二、 算法原理第30-33页
   三、 实验结果与结论第33-37页
 §3.5 人脸特征自适应选取技术第37-45页
  §3.5.1 绪论第37-38页
  §3.5.2 人脸特征自适应选取算法框架第38-39页
  §3.5.3 人脸特征自适应选取准则第39-43页
   一、 人脸图像分辨率的评价标准第40页
   二、 人脸局部特征清晰度的评价标准第40-43页
  §3.5.4 实验第43-44页
  §3.5.5 结论第44-45页
 §3.6 小结第45-46页
第四章 基于多视图的多姿态人脸识别技术第46-60页
 §4.1 概述第46-47页
 §4.2 现有的人脸识别方法第47-50页
  §4.2.1 前视人脸识别方法第47-48页
  §4.2.2 轮廓profile图像人脸识别方法第48页
  §4.2.3 多姿态人脸识别方法第48-50页
 §4.3 基于层次模型和融合决策的多姿态人脸识别技术第50-59页
  §4.3.1 引言第50-51页
  §4.3.2 基于层次模型和融合决策的多姿态人脸识别技术原理第51页
  §4.3.3 基于层次模型和融合决策的多姿态人脸识别技术算法1第51-54页
  §4.3.4 基于层次模型和融合决策的多姿态人脸识别技术算法2第54-55页
  §4.3.5 实验结果和总结第55-59页
 §4.4 小结第59-60页
第五章 基于单视图的多姿态人脸识别技术第60-76页
 §5.1 概述第60-61页
 §5.2 已有的基于单视图或小样本的多姿态人脸识别技术第61-62页
  §5.2.1 目前的基于单视图的多姿态人脸识别技术研究成果第61-62页
 §5.3 基于单视图或小样本的多姿态人脸识别技术的研究第62-70页
  §5.3.1 基于单视图或小样本的多姿态人脸识别的可能技术途径第62-64页
  §5.3.2 新的基于单视图的多姿态人脸识别技术第64-70页
   一、 引言第64-65页
   二、 基于单视图的多姿态人脸图像生成原理和算法第65-67页
   三、 基于单视图的多姿态人脸识别算法第67页
   四、 实验结果和总结第67-70页
 §5.4 多姿态人脸图像生成技术的研究第70-75页
  §5.4.1 基于3D Head模型及其简化模型方法第70-73页
  §5.4.2 基于局部图像变形方法第73-74页
  §5.4.3 基于全局图像变形方法第74-75页
 §5.5 小结第75-76页
第六章 复杂背景下的多姿态彩色人脸识别技术及其模型系统第76-84页
 §6.1 概述第76页
 §6.2 模型系统的原理和功能框图第76-78页
  §6.2.1 绪论第76-77页
  §6.2.2 具体功能算法第77-78页
 §6.3 模型系统的实验结果第78-83页
  §6.3.1 实验结果第78-82页
  §6.3.2 结论第82-83页
 §6.4 小结第83-84页
第七章 结束语第84-87页
 §7.1 本文主要研究成果第84-86页
 §7.2 进一步研究的方向第86-87页
致谢第87-88页
攻读博士学位期间主要参加和完成的科研任务第88-89页
攻读博士学位期间撰写和发表的科技论文第89-90页
参考文献第90-98页

论文共98页,点击 下载论文
上一篇:人脑胶质瘤细胞诱导分化基因谱的建立及相关基因的克隆
下一篇:基于几何与图像的混合建模与绘制技术研究