基于RS-SIFT算法的多姿态人脸识别研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 1 绪论 | 第11-19页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·研究背景及意义 | 第11页 |
| ·应用领域 | 第11-12页 |
| ·研究历史和现状 | 第12-18页 |
| ·人脸识别研究的发展历史和现状 | 第12-13页 |
| ·多姿态人脸识别研究的发展历史和现状 | 第13-14页 |
| ·国内外人脸数据库 | 第14-16页 |
| ·国内外人脸识别系统 | 第16-18页 |
| ·本文组织结构 | 第18页 |
| ·本章小结 | 第18-19页 |
| 2 多姿态人脸识别概述 | 第19-30页 |
| ·多姿态人脸识别的基本框架 | 第19-20页 |
| ·多姿态人脸检测 | 第20-23页 |
| ·基于肤色特征的多姿态人脸检测 | 第21-22页 |
| ·基于 FloatBoost 的多姿态人脸检测 | 第22-23页 |
| ·特征提取 | 第23-27页 |
| ·Gabor 小波变换 | 第23-24页 |
| ·散射变换 | 第24-27页 |
| ·SIFT 算法 | 第27页 |
| ·特征降维 | 第27-29页 |
| ·主成分分析法(PCA) | 第28页 |
| ·Fisher 线性判别法(FLD) | 第28-29页 |
| ·粗糙集属性约简方法 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 基于 SIFT 的人脸特征提取 | 第30-40页 |
| ·引言 | 第30-31页 |
| ·SIFT 相关理论 | 第31-37页 |
| ·构建尺度空间 | 第31-33页 |
| ·DOG 尺度空间极值点检测 | 第33-34页 |
| ·精确定位关键点 | 第34-35页 |
| ·关键点方向分配 | 第35-36页 |
| ·生成 SIFT 特征点描述子 | 第36-37页 |
| ·人脸 SIFT 特征提取 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于粗糙集的 SIFT 特征降维 | 第40-48页 |
| ·引言 | 第40页 |
| ·粗糙集的基本概念 | 第40-42页 |
| ·粗糙集的定义 | 第41页 |
| ·不可分辨关系 | 第41页 |
| ·约简与核 | 第41-42页 |
| ·粗糙集的知识表达和属性约简 | 第42-43页 |
| ·知识表达 | 第42页 |
| ·属性约简 | 第42-43页 |
| ·基于粗糙集属性约简的 SIFT 特征降维 | 第43-45页 |
| ·实验结果与分析 | 第45-47页 |
| ·性能评价标准 | 第46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于 RS-SIFT 的多姿态人脸识别 | 第48-58页 |
| ·引言 | 第48页 |
| ·基于 RS 和 SIFT 的多姿态人脸识别算法 | 第48-49页 |
| ·生成人脸特征库 | 第49-51页 |
| ·匹配识别 | 第51-52页 |
| ·实验结果与分析 | 第52-57页 |
| ·人脸库 | 第52页 |
| ·参数设置 | 第52-55页 |
| ·实验结果比较与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58-59页 |
| ·未来工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士期间科研成果 | 第65-66页 |
| 致谢 | 第66页 |
