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 |