| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源及研究目的和意义 | 第8-9页 |
| 1.2 课题研究现状及分析 | 第9-12页 |
| 1.2.1 视频人脸识别技术研究现状 | 第9-11页 |
| 1.2.2 稀疏编码分类算法研究现状 | 第11-12页 |
| 1.3 本课题的研究动机和主要研究内容 | 第12-13页 |
| 1.3.1 本课题研究动机 | 第12页 |
| 1.3.2 本课题主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 视频人脸识别相关方法 | 第14-25页 |
| 2.1 镜头分割技术 | 第14-15页 |
| 2.2 人脸检测技术 | 第15-16页 |
| 2.2.1 基于图像的方法 | 第15页 |
| 2.2.2 基于特征的方法 | 第15页 |
| 2.2.3 基于模板匹配的方法 | 第15-16页 |
| 2.3 人脸跟踪技术 | 第16-18页 |
| 2.3.1 MeanShift 算法 | 第16-17页 |
| 2.3.2 CamShift 算法 | 第17-18页 |
| 2.4 人脸识别技术 | 第18-24页 |
| 2.4.1 训练集来源 | 第18-19页 |
| 2.4.2 特征提取算法 | 第19-20页 |
| 2.4.3 局部特征点定位算法 | 第20-21页 |
| 2.4.4 人脸分类算法 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于稀疏编码的视频人脸分类 | 第25-46页 |
| 3.1 稀疏编码算法 | 第25-29页 |
| 3.1.1 稀疏编码算法模型 | 第25-26页 |
| 3.1.2 稀疏编码人脸分类算法 | 第26-27页 |
| 3.1.3 基于类标一致性的 KSVD 字典学习稀疏编码算法 | 第27-29页 |
| 3.2 特征提取 | 第29-31页 |
| 3.2.1 特征提取方法描述 | 第29-30页 |
| 3.2.2 特征提取方法分析 | 第30-31页 |
| 3.3 基于视频人脸特性的 LC-KSVD 优化 | 第31-41页 |
| 3.3.1 初始字典构造方式优化 | 第31-32页 |
| 3.3.2 字典学习算法优化 | 第32-35页 |
| 3.3.3 分类策略优化 | 第35-36页 |
| 3.3.4 优化方法实验分析 | 第36-41页 |
| 3.4 优化后的 LC-KSVD、NN 及 SVM 实验结果及对比分析 | 第41-45页 |
| 3.4.1 实验描述 | 第41-42页 |
| 3.4.2 实验评价指标 | 第42页 |
| 3.4.3 实验结果及分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 视频人脸识别系统设计与实现 | 第46-58页 |
| 4.1 前期处理模块设计及实现 | 第46-52页 |
| 4.1.1 人脸检测子模块 | 第46-48页 |
| 4.1.2 镜头分割子模块 | 第48-49页 |
| 4.1.3 人脸跟踪子模块 | 第49-52页 |
| 4.2 说话者标注模块设计及实现 | 第52-54页 |
| 4.3 未说话者分类模块设计与实现 | 第54-56页 |
| 4.3.1 特征提取子模块设计及实现 | 第54-55页 |
| 4.3.2 分类子模块设计及实现 | 第55-56页 |
| 4.4 开发环境及运行结果 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |