基于区域、Gabor滤波和肤色特征的人脸检测算法研究
| 摘 要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·课题研究目的背景及意义 | 第7页 |
| ·国内外在该领域的研究水平和动态 | 第7页 |
| ·人脸检测概述 | 第7-10页 |
| ·人脸检测技术介绍 | 第7-8页 |
| ·人脸检测技术难点 | 第8-9页 |
| ·研究思路和内容安排 | 第9-10页 |
| 第二章 人脸初定位 | 第10-21页 |
| ·肤色样本的选取 | 第10-11页 |
| ·肤色空间的选取 | 第11-12页 |
| ·肤色空间模型 | 第12-17页 |
| ·简单门限模型 | 第12-13页 |
| ·贝叶斯模型 | 第13-14页 |
| ·高斯模型 | 第14-17页 |
| ·选择依据 | 第14-15页 |
| ·理论证明 | 第15页 |
| ·试验证明 | 第15-16页 |
| ·高斯模型计算方法 | 第16-17页 |
| ·肤色概率图滤波 | 第17页 |
| ·试验分析和总结 | 第17-21页 |
| 第三章 人脸分割 | 第21-34页 |
| ·阈值化分割 | 第21-24页 |
| ·简单的阈值分割法 | 第21-22页 |
| ·基于灰度期望值的分割法 | 第22-23页 |
| ·基于二维灰度直方图Fisher 线性分割法 | 第23-24页 |
| ·区域生长分割算法 | 第24-30页 |
| ·算法框图 | 第25页 |
| ·金字塔算法 | 第25-26页 |
| ·种子选取、生长顺序及生长停止条件 | 第26-27页 |
| ·生长规则 | 第27-30页 |
| ·试验分析和总结 | 第30-34页 |
| 第四章 人脸确认 | 第34-49页 |
| ·潜在脸区预处理 | 第34-35页 |
| ·潜在脸区特征提取 | 第35-42页 |
| ·小波变换 | 第35-37页 |
| ·DCT 特征提取 | 第37-39页 |
| ·Gabor 特征提取 | 第39-42页 |
| ·Gabor 函数 | 第39-40页 |
| ·Gabor 滤波 | 第40-41页 |
| ·降维 | 第41-42页 |
| ·潜在脸区确认 | 第42-46页 |
| ·分类器介绍 | 第42-45页 |
| ·最邻近距离分类器 | 第42-43页 |
| ·人工神经网络分类器 | 第43页 |
| ·支持向量机分类器 | 第43-45页 |
| ·分类器设计 | 第45-46页 |
| ·试验分析与总结 | 第46-49页 |
| 第五章试验结果分析 | 第49-51页 |
| ·试验的硬件条件 | 第49页 |
| ·试验测试结果与分析 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·本文创新之处 | 第51-52页 |
| ·本文不足之处和今后研究方向 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
