基于多生物特征融合识别技术的研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景 | 第10-12页 |
1.1.1 生物特征识别技术 | 第10-11页 |
1.1.2 单模态生物特征识别技术 | 第11-12页 |
1.1.3 多模态生物特征识别技术 | 第12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 人脸识别国内外研究现状 | 第12-13页 |
1.2.2 手势识别国内外研究现状 | 第13页 |
1.2.3 多模态生物特征识别国内外研究现状 | 第13-14页 |
1.3 论文研究内容及意义 | 第14-15页 |
1.4 论文组织结构 | 第15-16页 |
第二章 多生物特征识别系统概述 | 第16-20页 |
2.1 单生物特征识别 | 第16-17页 |
2.1.1 生物特征采集 | 第16页 |
2.1.2 生物特征图像预处理 | 第16页 |
2.1.3 生物特征提取 | 第16-17页 |
2.1.4 生物特征识别 | 第17页 |
2.2 多生物特征识别 | 第17-20页 |
第三章 图像预处理 | 第20-30页 |
3.1 人脸图像预处理 | 第20-25页 |
3.1.1 Gamma灰度校正 | 第20-21页 |
3.1.2 DoG滤波 | 第21-22页 |
3.1.3 梯度图 | 第22-23页 |
3.1.4 同态滤波 | 第23-24页 |
3.1.5 几种预处理方法的实验结果 | 第24-25页 |
3.2 手势图像预处理 | 第25-29页 |
3.2.1 图像平滑技术 | 第26页 |
3.2.2 形态学处理 | 第26-29页 |
3.3 小结 | 第29-30页 |
第四章 生物特征提取 | 第30-42页 |
4.1 基于AdaBoost的人脸检测算法 | 第30-35页 |
4.1.1 Haar特征 | 第31-32页 |
4.1.2 积分图 | 第32-33页 |
4.1.3 基于AdaBoost算法的分类器 | 第33页 |
4.1.4 强分类器级联 | 第33-34页 |
4.1.5 实验结果 | 第34-35页 |
4.2 静态手形提取 | 第35-41页 |
4.2.1 背景差分 | 第35-37页 |
4.2.2 分水岭算法 | 第37-39页 |
4.2.3 肤色分割 | 第39-41页 |
4.3 小结 | 第41-42页 |
第五章 生物特征识别 | 第42-60页 |
5.1 基于PCA的识别方法 | 第42-45页 |
5.1.1 K-L变换 | 第42-43页 |
5.1.2 PCA技术 | 第43-45页 |
5.2 基于Fisher的识别方法 | 第45-48页 |
5.2.1 两类Fisher线性鉴别问题 | 第46-47页 |
5.2.2 多类Fisher线性鉴别问题 | 第47-48页 |
5.2.3 Fisher在多生物特征识别中的应用 | 第48页 |
5.3 基于LBP的识别方法 | 第48-53页 |
5.3.1 基本的LBP算子 | 第49页 |
5.3.2 LBP算子的拓展 | 第49-51页 |
5.3.3 LBP特征提取与图像识别 | 第51-53页 |
5.4 基于LBP-PCA的识别方法 | 第53页 |
5.5 实验结果与分析 | 第53-58页 |
5.5.1 人脸识别实验结果与分析 | 第53-56页 |
5.5.2 静态手形识别实验结果与分析 | 第56-57页 |
5.5.3 融合前后实验结果与分析 | 第57-58页 |
5.6 小结 | 第58-60页 |
第六章 多生物特征身份识别系统的实现 | 第60-66页 |
6.1 系统概述 | 第60页 |
6.2 系统硬件设计 | 第60-61页 |
6.2.1 图像采集模块 | 第60-61页 |
6.2.2 智能家庭控制模块 | 第61页 |
6.2.3 识别服务器 | 第61页 |
6.2.4 门禁控制系统 | 第61页 |
6.3 系统软件设计 | 第61-64页 |
6.3.1 人员信息注册 | 第62-63页 |
6.3.2 人员信息管理 | 第63页 |
6.3.3 实时监控 | 第63-64页 |
6.4 系统测试 | 第64页 |
6.5 小结 | 第64-66页 |
第七章 总结与展望 | 第66-68页 |
7.1 研究内容总结 | 第66页 |
7.2 存在的问题 | 第66-68页 |
致谢 | 第68-70页 |
参考文献 | 第70-74页 |
作者简介 | 第74页 |