基于关键特征点的多信息融合人脸识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 人脸识别技术的研究现状与展望 | 第13-16页 |
| 1.2.1 研究现状与应用 | 第13-15页 |
| 1.2.2 算法综述 | 第15-16页 |
| 1.3 课题的来源及研究内容 | 第16-18页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 课题的主要研究内容 | 第16-18页 |
| 第2章 人脸识别相关理论 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 稀疏表示理论 | 第18-20页 |
| 2.3 核函数理论 | 第20-23页 |
| 2.4 滤波去噪 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 核的正交稀疏重构保持投影 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 稀疏保留投影算法 | 第26-28页 |
| 3.3 核的正交稀疏重构保持投影(KODSPE) | 第28-30页 |
| 3.3.1 重构稀疏表示稀疏 | 第28-29页 |
| 3.3.2 改进正交稀疏保持投影 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-34页 |
| 3.4.1 在 Orl 人脸库上的实验 | 第31-33页 |
| 3.4.2 在 Yale_b 人脸库上的实验 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 三维人脸数据关键特征点定位算法 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 点云模型滤波 | 第35-38页 |
| 4.2.1 点云模型 | 第35-37页 |
| 4.2.2 中值滤波 | 第37-38页 |
| 4.3 改进的三维人脸特征点定位算法 | 第38-42页 |
| 4.3.1 滤波定位人脸 | 第38-39页 |
| 4.3.2 鼻尖点定位 | 第39-42页 |
| 4.4 实验结果与分析 | 第42-46页 |
| 4.4.1 滤波效果对比 | 第42-43页 |
| 4.4.2 定位准确度对比 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于关键特征点的多信息融合人脸识别算法 | 第47-57页 |
| 5.1 引言 | 第47页 |
| 5.2 LFA 局部特征分析 | 第47-48页 |
| 5.3 多信息融合人脸识别算法 | 第48-52页 |
| 5.3.1 获取完备聚类训练样本 | 第49-50页 |
| 5.3.2 全局和局部加权融合的特征提取算法 | 第50-52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.4.3 性能分析 | 第52-53页 |
| 5.4.4 识别率分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
