基于Gabor小波和SVM的动态人脸识别算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题的背景及研究意义 | 第11-12页 |
| ·动态人脸识别的研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第二章 基于 Gabor 小波的人脸特征提取 | 第16-32页 |
| ·Gabor 小波 | 第16-22页 |
| ·一维Gabor 小波 | 第16-18页 |
| ·二维Gabor 小波 | 第18-22页 |
| ·常用的Gabor 特征描述方法 | 第22-24页 |
| ·基于下采样的Gabor 特征描述方法 | 第22页 |
| ·基于分块统计量的Gabor 特征描述方法 | 第22-24页 |
| ·新的Gabor 特征描述方法 | 第24-25页 |
| ·基于双向统计量的Gabor 特征描述方法 | 第24-25页 |
| ·基于块双向统计量的Gabor 特征描述方法 | 第25页 |
| ·主成分分析 | 第25-27页 |
| ·Gabor 特征描述方法在人脸识别中的应用 | 第27-31页 |
| ·本实验的人脸识别系统和人脸库 | 第27-29页 |
| ·实验结果 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于支持向量机的人脸识别 | 第32-45页 |
| ·两类支持向量机 | 第32-36页 |
| ·线性支持向量机 | 第32-35页 |
| ·非线性支持向量机 | 第35-36页 |
| ·多类支持向量机 | 第36-38页 |
| ·一对多方法 | 第36-37页 |
| ·一对一方法 | 第37-38页 |
| ·SVM 工具箱——LIBSVM | 第38-41页 |
| ·LIBSVM 工具箱简介 | 第38-39页 |
| ·LIBSVM 的使用 | 第39-40页 |
| ·参数的选择 | 第40-41页 |
| ·实验结果 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 SVM 增量学习算法及动态人脸识别 | 第45-60页 |
| ·SVM 增量学习算法的研究 | 第45-50页 |
| ·支持向量的特点分析 | 第46-47页 |
| ·经典的SVM 增量学习算法 | 第47-49页 |
| ·其它SVM 增量学习算法 | 第49-50页 |
| ·基于球环向量的SVM 增量学习算法 | 第50-54页 |
| ·球环向量的提取 | 第51-52页 |
| ·基于球环向量的SVM 增量学习算法 | 第52-54页 |
| ·基于SVM 增量学习的动态人脸识别系统 | 第54-59页 |
| ·动态人脸识别系统的实现 | 第54-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·课题展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文和参与的科研项目 | 第65-66页 |
| 致谢 | 第66页 |
