基于支持向量机的人眼定位方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·人眼定位中存在的问题 | 第13-14页 |
| ·论文的主要工作 | 第14-16页 |
| 2 人眼定位的基本理论 | 第16-20页 |
| ·人眼准确定位的重要性 | 第16页 |
| ·人眼定位的典型方法 | 第16-20页 |
| ·模板匹配法 | 第16-17页 |
| ·Hough变换法 | 第17-18页 |
| ·红外光照法 | 第18页 |
| ·对称变换法 | 第18-19页 |
| ·基于学习的方法 | 第19-20页 |
| 3 人脸区域检测 | 第20-37页 |
| ·图像的预处理 | 第20-27页 |
| ·图像增强 | 第20-21页 |
| ·图像灰度变换 | 第21-25页 |
| ·图像滤波 | 第25-27页 |
| ·基于肤色的人脸区域检测 | 第27-35页 |
| ·选取颜色空间 | 第27-29页 |
| ·肤色模型的建立 | 第29-30页 |
| ·光线补偿及肤色相似度计算 | 第30-32页 |
| ·形态学处理及人脸候选区域检测 | 第32-35页 |
| ·实验结果分析 | 第35-37页 |
| 4 样本的选取与支持向量机的训练算法 | 第37-53页 |
| ·支持向量机 | 第37-44页 |
| ·最优分类超平面和支持向量 | 第37页 |
| ·线性可分与线性不可分情况 | 第37-41页 |
| ·非线性可分情况下的C-SVM | 第41-44页 |
| ·样本的获取 | 第44-45页 |
| ·正人眼样本的获取 | 第44-45页 |
| ·负人眼样本的获取 | 第45页 |
| ·支持向量机训练算法 | 第45-53页 |
| ·Chunking算法 | 第46页 |
| ·分解算法 | 第46-47页 |
| ·次序最小优化算法 | 第47-53页 |
| 5 基于支持向量机的人眼定位 | 第53-68页 |
| ·样本的预处理 | 第53-59页 |
| ·数据处理 | 第53-55页 |
| ·用PCA方法进行降维 | 第55-59页 |
| ·基于支持向量机算法的眼部样本训练 | 第59-64页 |
| ·选择核函数 | 第59-60页 |
| ·参数的选择 | 第60-61页 |
| ·训练的结果与分析 | 第61-63页 |
| ·人眼定位 | 第63-64页 |
| ·实验结果与分析 | 第64-68页 |
| 结论 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间的研究成果 | 第74页 |
