基于人脸图像的年龄估计方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 年龄特征提取方面 | 第11-12页 |
| 1.2.2 年龄估计方面 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.3.1 本文研究内容与主要工作 | 第14-15页 |
| 1.3.2 本文主要贡献与创新 | 第15页 |
| 1.4 本文的组织结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 面向年龄估计的人脸图像预处理 | 第17-25页 |
| 2.1 基于Adaboost的人脸定位 | 第17-21页 |
| 2.1.1 Haar特征 | 第17-18页 |
| 2.1.2 积分图像 | 第18-19页 |
| 2.1.3 AdaBoost分类器 | 第19-21页 |
| 2.1.4 人脸检测 | 第21页 |
| 2.2 面向年龄估计的人脸图像增强 | 第21-22页 |
| 2.2.1 图像灰度化 | 第21-22页 |
| 2.2.2 直方图均衡化 | 第22页 |
| 2.3 人脸年龄图像数据库 | 第22-23页 |
| 2.4 实验结果及分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 面向年龄估计的人脸年龄特征提取 | 第25-41页 |
| 3.1 基于主动表观模型的人脸年龄特征提取 | 第25-31页 |
| 3.1.1 主动表观模型方法 | 第25-26页 |
| 3.1.2 统计形状模型的建立 | 第26-27页 |
| 3.1.3 形状无关纹理信息的获取 | 第27-30页 |
| 3.1.4 统计表观模型的建立 | 第30-31页 |
| 3.2 基于局部二值模式的人脸年龄特征提取 | 第31-35页 |
| 3.2.1 LBP算子概述 | 第31-33页 |
| 3.2.2 LBP算子的其他变形 | 第33-35页 |
| 3.3 基于组合特征抽取的人脸年龄特征提取方法 | 第35-39页 |
| 3.3.1 典型相关分析方法的基本原理 | 第36-38页 |
| 3.3.2 基于典型相关分析方法的人脸特征提取 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于超限学习机的人脸年龄估计 | 第41-55页 |
| 4.1 超限学习机原理 | 第41-44页 |
| 4.1.1 超限学习机理论模型 | 第42-43页 |
| 4.1.2 超限学习机算法描述 | 第43-44页 |
| 4.2 基于超限学习机的人脸年龄估计方法 | 第44-46页 |
| 4.2.1 人脸图像年龄估计问题的数学描述 | 第44页 |
| 4.2.2 人脸年龄估计方法 | 第44-46页 |
| 4.3 人脸年龄估计实验结果与分析 | 第46-52页 |
| 4.3.1 人脸年龄估计方法评估准则 | 第46-47页 |
| 4.3.2 实验结果与分析 | 第47-52页 |
| 4.4 本章小结 | 第52-55页 |
| 第五章 总结与展望 | 第55-59页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间的科研成果 | 第65-67页 |
| 致谢 | 第67-68页 |
