人脸识别中基于虚拟样本的稀疏描述研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题的研究背景及意义 | 第12-13页 |
| 1.2 人脸识别的研究进展与现状 | 第13-16页 |
| 1.2.1 人脸识别研究进展 | 第14-15页 |
| 1.2.2 人脸识别研究现状 | 第15-16页 |
| 1.3 人脸识别存在的挑战与困难 | 第16-18页 |
| 1.4 本文研究内容 | 第18-19页 |
| 1.5 本文组织结构 | 第19-21页 |
| 第2章 人脸识别方法基础 | 第21-33页 |
| 2.1 前言 | 第21页 |
| 2.2 基于隐马尔科夫模型的人脸识别方法 | 第21-22页 |
| 2.3 基于人工神经网络的人脸识别方法 | 第22-23页 |
| 2.4 基于支持向量机的人脸识别方法 | 第23页 |
| 2.5 基于虚拟样本的方法 | 第23-24页 |
| 2.6 基于稀疏描述的方法 | 第24-26页 |
| 2.7 基于虚拟样本的稀疏描述方法 | 第26-32页 |
| 2.7.1 算法描述 | 第27-28页 |
| 2.7.2 实验 | 第28-32页 |
| 2.7.2.1 人脸数据库介绍 | 第28-30页 |
| 2.7.2.2 实验结果 | 第30-32页 |
| 2.8 小结 | 第32-33页 |
| 第3章 一种改进的基于虚拟样本的稀疏描述方法 | 第33-42页 |
| 3.1 前言 | 第33页 |
| 3.2 SRMKVS算法描述 | 第33-35页 |
| 3.2.1 生成虚拟样本并选取前M个最近邻 | 第33-34页 |
| 3.2.2 重构测试样本并对其归类 | 第34-35页 |
| 3.3 SRMKVS算法分析 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-41页 |
| 3.4.1 实验结果 | 第36-41页 |
| 3.4.2 实验分析 | 第41页 |
| 3.5 小结 | 第41-42页 |
| 第4章 基于虚拟样本与高斯核距离的稀疏描述方法 | 第42-51页 |
| 4.1 前言 | 第42页 |
| 4.2 KSRVS算法描述 | 第42-44页 |
| 4.2.1 KSRVS方法第一阶段 | 第42-43页 |
| 4.2.2 KSRVS方法第二阶段 | 第43-44页 |
| 4.3 KSRVS算法分析 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.4.1 实验结果 | 第45-49页 |
| 4.4.2 实验分析 | 第49-50页 |
| 4.5 小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第57-58页 |
| 附录B 攻读硕士期间参与的科研项目 | 第58-59页 |
| 致谢 | 第59页 |
