摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-18页 |
·课题的背景与意义 | 第12-13页 |
·人脸识别系统 | 第13-14页 |
·人脸识别技术难点和评价标准 | 第14-15页 |
·技术难点 | 第14页 |
·评价标准 | 第14-15页 |
·国内外研究概况 | 第15-16页 |
·国外研究现状 | 第15页 |
·国内研究现状 | 第15-16页 |
·问题的提出 | 第16-17页 |
·本文主要研究内容 | 第17-18页 |
第二章 研究对象与相关技术分析 | 第18-30页 |
·研究对象 | 第18-19页 |
·CVL 人脸库 | 第18页 |
·CMU PIE 人脸库 | 第18页 |
·Yale 人脸库 | 第18-19页 |
·UMIST 人脸库 | 第19页 |
·图像预处理方法 | 第19-20页 |
·缩放变换 | 第19页 |
·彩色图转化为灰度图 | 第19-20页 |
·直方图均衡化 | 第20页 |
·人脸检测方法 | 第20-25页 |
·基于肤色特征方法 | 第21页 |
·模板匹配方法 | 第21-22页 |
·基于统计模型方法 | 第22-25页 |
·人脸识别方法 | 第25-29页 |
·几何特征方法 | 第25-26页 |
·模板匹配方法 | 第26页 |
·主分量分析方法 | 第26-27页 |
·人工神经网络方法 | 第27页 |
·隐马尔柯夫模型方法 | 第27-28页 |
·基于小波分析方法 | 第28-29页 |
·本章小结 | 第29-30页 |
第三章 基于肤色检测和模板匹配的人脸检测方法 | 第30-43页 |
·检测方法算法流程 | 第30页 |
·亮度调整 | 第30-31页 |
·肤色检测方法 | 第31-34页 |
·LVQ 网络简介 | 第32-33页 |
·LVQ 网络学习规则 | 第33-34页 |
·LVQ 网络实现肤色检测 | 第34-36页 |
·LVQ 网络结构的确定 | 第34-35页 |
·LVQ 网络训练 | 第35页 |
·LVQ 网络肤色检测 | 第35-36页 |
·人脸区域预定位 | 第36-37页 |
·人脸精确定位 | 第37-41页 |
·匹配方式选取 | 第37页 |
·标准人脸模板 | 第37-39页 |
·模板匹配准则 | 第39-40页 |
·人脸检测 | 第40-41页 |
·模板匹配法人脸检测测试 | 第41-42页 |
·检测精度测试 | 第41-42页 |
·检测速度测试 | 第42页 |
·本章小结 | 第42-43页 |
第四章 基于WPD 和(2D)~2PCA 的人脸识别方法 | 第43-51页 |
·小波分析理论基础 | 第43-45页 |
·小波发展与特点 | 第43页 |
·小波变换 | 第43-44页 |
·小波多分辨率分析 | 第44-45页 |
·识别方法算法流程 | 第45-46页 |
·图像预处理 | 第46页 |
·人脸图像小波包分解 | 第46-47页 |
·(2D)~2 PCA 提取节点图像特征 | 第47-49页 |
·选取“成功”节点图像 | 第49页 |
·构建人脸识别器 | 第49-50页 |
·本章小结 | 第50-51页 |
第五章 人脸识别方法测试与分析 | 第51-57页 |
·试验设计 | 第51页 |
·光照变化图像测试结果与分析 | 第51-53页 |
·测试样本 | 第51-52页 |
·节点测试结果与分析 | 第52-53页 |
·识别器的构建与识别性能 | 第53页 |
·表情变化图像测试 | 第53-55页 |
·测试样本 | 第53页 |
·节点测试结果与分析 | 第53-54页 |
·识别器的构建与识别性能 | 第54-55页 |
·视角变化图像测试 | 第55-56页 |
·测试样本 | 第55页 |
·节点测试结果与分析 | 第55-56页 |
·本章小结 | 第56-57页 |
第六章 结论与设想 | 第57-59页 |
·结论 | 第57-58页 |
·设想与建议 | 第58-59页 |
参考文献 | 第59-63页 |
附录1 大笑组人脸检测结果图 | 第63-66页 |
附录2 所有节点图像识别率 | 第66-68页 |
附录3 (2D)~2PCA 实现代码 | 第68-71页 |
致谢 | 第71-72页 |
作者简介 | 第72页 |