涉恐图像中敏感标识的检测与识别
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 Logo检测与识别研究现状 | 第12-13页 |
| 1.2.2 人脸识别研究现状 | 第13-15页 |
| 1.3 论文主要研究工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 图像识别相关理论介绍 | 第17-30页 |
| 2.1 人脸识别基本方法 | 第17-21页 |
| 2.1.1 人脸识别算法框架 | 第17-18页 |
| 2.1.2 人脸识别方法分类 | 第18-21页 |
| 2.2 遮挡的人脸检测算法 | 第21-24页 |
| 2.2.1 稀疏表示分类(SRC) | 第21-23页 |
| 2.2.2 基于PCA的人脸重构 | 第23-24页 |
| 2.3 Logo检测方法 | 第24-29页 |
| 2.3.1 Haar特征相关理论介绍 | 第24-27页 |
| 2.3.2 Boosting算法 | 第27页 |
| 2.3.3 AdaBoost算法 | 第27-29页 |
| 2.3.4 级联分类器 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 涉恐图像中敏感标识识别 | 第30-49页 |
| 3.1 涉恐敏感标识图像库构建 | 第30-31页 |
| 3.2 Logo检测与识别 | 第31-39页 |
| 3.2.1 Logo图片Haar特征提取 | 第31-35页 |
| 3.2.2 AdaBoost分类器训练及改进 | 第35-39页 |
| 3.3 蒙面人检测与识别 | 第39-46页 |
| 3.3.1 蒙面人HOG特征提取 | 第39-43页 |
| 3.3.2 高斯混合模型(GMM) | 第43-45页 |
| 3.3.3 局部像素差分法(LPD)蒙面人判定 | 第45-46页 |
| 3.4 视频图像中敏感标识识别过程 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 4 实验设置与结果分析 | 第49-56页 |
| 4.1 Logo检测实验及结果分析 | 第49-51页 |
| 4.1.1 实验设置 | 第49页 |
| 4.1.2 实验结果分析 | 第49-51页 |
| 4.2 蒙面人检测实验及结果分析 | 第51-54页 |
| 4.2.1 实验设置 | 第52页 |
| 4.2.2 实验结果分析 | 第52-54页 |
| 4.3 本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |
