基于多特征融合的人脸识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状分析 | 第10-11页 |
| 1.2.1 人脸检测技术 | 第10页 |
| 1.2.2 人脸识别技术 | 第10-11页 |
| 1.3 研究内容及组织架构 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 组织架构 | 第12-14页 |
| 2 相关理论与技术 | 第14-20页 |
| 2.1 图像预处理 | 第14-16页 |
| 2.1.1 图像光照处理 | 第14-15页 |
| 2.1.2 图像去噪处理 | 第15页 |
| 2.1.3 形态学处理 | 第15-16页 |
| 2.2 人脸检测方法 | 第16-17页 |
| 2.3 人脸特征提取方法 | 第17-18页 |
| 2.4 特征分类算法 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 改进的多重特征人脸检测算法 | 第20-38页 |
| 3.1 基于多重特征的人脸检测方法 | 第20-24页 |
| 3.1.1 基于肤色的人脸检测 | 第20-21页 |
| 3.1.2 基于AdaBoost算法的人脸检测 | 第21-24页 |
| 3.2 改进的多重特征人脸检测算法 | 第24-32页 |
| 3.2.1 融合区域特征的肤色检测模块 | 第26-30页 |
| 3.2.2 AdaBoost分类模块 | 第30-31页 |
| 3.2.3 双眼定位模块 | 第31-32页 |
| 3.3 实验与分析 | 第32-36页 |
| 3.3.1 测试数据集 | 第32-33页 |
| 3.3.2 实验步骤 | 第33页 |
| 3.3.3 实验结果分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 改进的人脸识别算法 | 第38-50页 |
| 4.1 改进的多尺度分层LBP融合特征及特征降维 | 第38-44页 |
| 4.1.1 基本的LBP算子 | 第38-40页 |
| 4.1.2 改进的多尺度分层LBP特征融合 | 第40-42页 |
| 4.1.3 基于PCA-LDA的降维方法 | 第42-44页 |
| 4.2 改进的K近邻(KNN)分类器 | 第44-47页 |
| 4.2.1 KNN分类器 | 第44-46页 |
| 4.2.2 改进的KNN分类方法 | 第46-47页 |
| 4.3 实验设计与分析 | 第47-49页 |
| 4.3.1 实验样本集 | 第47页 |
| 4.3.2 实验方案 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 系统实现与验证 | 第50-54页 |
| 5.1 系统概述 | 第50页 |
| 5.1.1 系统开发环境 | 第50页 |
| 5.1.2 系统验证数据来源 | 第50页 |
| 5.2 系统实现与验证 | 第50-53页 |
| 5.2.1 系统设计 | 第50-52页 |
| 5.2.2 系统实现 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
