人脸识别方法的研究
中文摘要 | 第1页 |
英文摘要 | 第4-7页 |
第一章 综述 | 第7-14页 |
·生物特征识别技术概述 | 第7-9页 |
·生物特征识别技术基础知识及技术优势 | 第7-8页 |
·生物特征识别技术的发展及应用前景 | 第8-9页 |
·人脸识别技术的研究背景和意义 | 第9-10页 |
·人脸识别研究的发展过程及研究现状 | 第10-12页 |
·人脸识别研究的发展过程 | 第10-11页 |
·人脸识别技术的研究现状 | 第11-12页 |
·本课题的主要工作 | 第12-13页 |
·本文的文章结构 | 第13-14页 |
第二章 人脸识别技术概述 | 第14-24页 |
·人脸识别主要研究内容 | 第14-16页 |
·人脸识别技术分类 | 第16-18页 |
·人脸识别常用方法 | 第18-21页 |
·特征脸方法 | 第18页 |
·弹性图匹配方法 | 第18-19页 |
·基于Fisher 线性判别准则的人脸识别方法 | 第19页 |
·基于神经网络的人脸识别方法 | 第19-20页 |
·基于支持向量机的人脸识别方法 | 第20-21页 |
·基于贝叶斯的人脸识别方法 | 第21页 |
·人脸识别技术评测指标 | 第21-23页 |
·本章小结 | 第23-24页 |
第三章 人脸图像归一化预处理 | 第24-29页 |
·人脸图像几何标准化 | 第24-26页 |
·光照预处理 | 第26-28页 |
·实验结果 | 第28-29页 |
第四章 人脸特征提取技术 | 第29-43页 |
·人脸特征提取常用方法 | 第30-37页 |
·K-L 变换原理 | 第30-32页 |
·奇异值分解原理 | 第32-33页 |
·基于主成分分析的特征提取 | 第33-36页 |
·基于二维主成分分析的特征提取 | 第36-37页 |
·改进的人脸特征提取方法 | 第37-40页 |
·加权分块2DPCA 的基本思想 | 第37-39页 |
·特征提取 | 第39-40页 |
·仿真实验 | 第40-43页 |
·实验数据库 | 第40-41页 |
·实验结果 | 第41-43页 |
第五章 基于贝叶斯分类器的人脸识别方法研究 | 第43-52页 |
·基于统计的贝叶斯决策理论及其在人脸识别中的应用 | 第43-48页 |
·基于统计的贝叶斯决策理论 | 第43-45页 |
·贝叶斯决策理论在人脸识别中的应用 | 第45-48页 |
·基于贝叶斯和加权分块2DPCA 的人脸识别 | 第48-49页 |
·仿真实验 | 第49-52页 |
·实验数据库 | 第49-50页 |
·实验结果 | 第50-52页 |
第六章 结束语 | 第52-55页 |
·工作总结 | 第52-53页 |
·课题展望 | 第53-55页 |
参考文献 | 第55-59页 |
致谢 | 第59-60页 |
在学期间发表的学术论文和参加科研情况 | 第60页 |