高精度人脸识别算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-40页 |
| ·引言 | 第15-16页 |
| ·自动人脸识别技术简介 | 第16-23页 |
| ·问题描述 | 第16-17页 |
| ·研究意义和典型应用 | 第17-18页 |
| ·研究的三个历史阶段 | 第18-21页 |
| ·国内外研究现状 | 第21-23页 |
| ·人脸识别中的特征提取问题 | 第23-29页 |
| ·人脸特征提取研究的必要性 | 第24-26页 |
| ·人脸特征提取研究进展 | 第26-29页 |
| ·论文的主要思想和工作 | 第29-34页 |
| ·论文的结构安排 | 第34-36页 |
| 参考文献 | 第36-40页 |
| 第二章 面向现实环境的人脸识别及其评价标准 | 第40-59页 |
| ·引言 | 第40-41页 |
| ·当前的评价数据和准则及其存在的问题 | 第41-46页 |
| ·常用人脸数据库 | 第41-43页 |
| ·人脸数据库的适用性评价和采集方法建议 | 第43-44页 |
| ·FERET测试协议 | 第44-45页 |
| ·FRGC测试协议 | 第45-46页 |
| ·本文的人脸识别性能评价及相关建议 | 第46-50页 |
| ·关于底层特征 | 第50-57页 |
| ·Gabor特征提取与性质 | 第51-54页 |
| ·局部二值模式 | 第54-57页 |
| 参考文献 | 第57-59页 |
| 第三章 人脸特征空间类别分布结构探索 | 第59-80页 |
| ·全局散度分析 | 第61-65页 |
| ·局部重叠分析 | 第65-67页 |
| ·流形结构分析 | 第67-71页 |
| ·等距映射 | 第68-69页 |
| ·拉普拉斯特征映射 | 第69-71页 |
| ·先验分布假设下分类错误率 | 第71-74页 |
| ·基于类别结构先验假设的高精度人脸识别 | 第74-78页 |
| ·本章小结与讨论 | 第78-79页 |
| 参考文献 | 第79-80页 |
| 第四章 投影寻踪——统一的人脸特征抽取算法框架 | 第80-115页 |
| ·引言 | 第80-81页 |
| ·主流的代数特征抽取算法 | 第81-88页 |
| ·主成成分析:特征脸 | 第81-83页 |
| ·线性判别分析:Fisher脸 | 第83-84页 |
| ·独立成分分析 | 第84-87页 |
| ·局部保持投影和非监督鉴别投影及其关系 | 第87-88页 |
| ·投影寻踪框架与投影索引 | 第88-97页 |
| ·非高斯性投影指标 | 第90-91页 |
| ·基于局部散度的投影指标 | 第91-92页 |
| ·基于类内散度的投影指标 | 第92-93页 |
| ·基于类间散度的投影指标 | 第93-95页 |
| ·投影寻踪框架的意义 | 第95-97页 |
| ·局部寻踪:一种新的投影寻踪算法 | 第97-102页 |
| ·算法的思想 | 第97-98页 |
| ·局部寻踪算法描述 | 第98-99页 |
| ·非线性局部寻踪 | 第99-102页 |
| ·人脸图像可视化实验 | 第102-104页 |
| ·人脸识别实验 | 第104-111页 |
| ·实验设计和数据 | 第104-105页 |
| ·投影寻踪框架内的性能比较 | 第105-108页 |
| ·有监督局部寻踪的有效性测试 | 第108-109页 |
| ·非线性局部寻踪的有效性测试 | 第109-111页 |
| ·本章小结 | 第111-113页 |
| 参考文献 | 第113-115页 |
| 第五章 单训练样本条件下的人脸识别难题 | 第115-146页 |
| ·引言 | 第115-116页 |
| ·单训练样本条件下的代数特征抽取算法 | 第116-120页 |
| ·从主成分分析到局部离散投影 | 第120-130页 |
| ·经典主成分分析算法分析 | 第120-123页 |
| ·加权主成分分析 | 第123-125页 |
| ·局部离散投影 | 第125-128页 |
| ·非线性局部离散投影 | 第128-130页 |
| ·单训练样本条件下的特征抽取新算法 | 第130-135页 |
| ·单训练样本条件下的白化变换分析 | 第130-133页 |
| ·算法描述 | 第133-134页 |
| ·与局部寻踪的关系 | 第134-135页 |
| ·人脸识别实验 | 第135-142页 |
| ·单样本条件下的白化变换有效性测试 | 第136-138页 |
| ·局部离散投影的有效性测试 | 第138-140页 |
| ·非线性局部离散投影的有效性测试 | 第140-141页 |
| ·本文方法与其他单样本算法的比较 | 第141-142页 |
| ·本章小结 | 第142-144页 |
| 参考文献 | 第144-146页 |
| 第六章 基于统计的生物启发式人脸识别算法 | 第146-181页 |
| ·引言 | 第146-148页 |
| ·人类视觉识别系统特性的借鉴意义 | 第148-155页 |
| ·神经科学研究成果的启示 | 第148-151页 |
| ·心理学研究成果的启示 | 第151-153页 |
| ·子空间学习特征抽取的一种仿生学解释 | 第153-155页 |
| ·生物启发的人脸特征提取 | 第155-163页 |
| ·双重人脸表示 | 第155-156页 |
| ·视觉纹理特征 | 第156-158页 |
| ·视觉颜色特征 | 第158-160页 |
| ·增量式鲁棒鉴别分析模型 | 第160-163页 |
| ·生物启发式人脸识别系统 | 第163-165页 |
| ·系统架构 | 第163-164页 |
| ·相似度准则 | 第164页 |
| ·层次相似度融合 | 第164-165页 |
| ·实验 | 第165-176页 |
| ·实验介绍 | 第165-167页 |
| ·技术细节 | 第167页 |
| ·结果与分析 | 第167-174页 |
| ·与相关工作的对比 | 第174-176页 |
| ·本章小结 | 第176-178页 |
| 参考文献 | 第178-181页 |
| 第七章 结论与展望 | 第181-186页 |
| ·本论文研究工作的总结 | 第181-183页 |
| ·研究工作的不足和展望 | 第183-186页 |
| 攻读博士学位期间发表的学术论文 | 第186-189页 |
| 致谢 | 第189页 |
