人脸识别技术研究
| 摘 要 | 第1页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-29页 |
| ·引言 | 第15页 |
| ·机器学习 | 第15-17页 |
| ·生物特征识别技术概述 | 第17-21页 |
| ·人脸识别技术 | 第21-28页 |
| ·人脸识别的问题描述 | 第21-23页 |
| ·人脸识别系统的组成 | 第23-24页 |
| ·人脸识别的发展历史和发展现状 | 第24-27页 |
| ·人脸识别的研究难点 | 第27-28页 |
| ·本文所做工作 | 第28页 |
| ·本章总结 | 第28-29页 |
| 第二章 特征提取 | 第29-36页 |
| ·引言 | 第29页 |
| ·图像的向量表示 | 第29-30页 |
| ·线性子空间分析 | 第30页 |
| ·主元分析法(PCA)算法理论 | 第30-31页 |
| ·独立元分析法(ICA)算法理论 | 第31-32页 |
| ·线性判别式分析(LDA)理论 | 第32-34页 |
| ·非线性分析理论(Kernel PCA) | 第34-35页 |
| ·本章总结 | 第35-36页 |
| 第三章 分类器的设计 | 第36-52页 |
| ·引言 | 第36页 |
| ·基于欧几里德范数的人脸识别 | 第36页 |
| ·人工神经网络 | 第36-37页 |
| ·人工神经网络的发展历史 | 第37-40页 |
| ·人工神经网络简介 | 第40-42页 |
| ·传统前馈神经网络 | 第42-46页 |
| ·传统前馈网络(BP网络)的拓扑结构 | 第43-44页 |
| ·BP网络的学习算法 | 第44-46页 |
| ·径向基函数网络 | 第46-49页 |
| ·径向基函数网络的结构 | 第47-48页 |
| ·径向基函数网络的学习算法 | 第48-49页 |
| ·双权值神经网络 | 第49-51页 |
| ·本章总结 | 第51-52页 |
| 第四章 基于模PCA的人脸识别 | 第52-60页 |
| ·引言 | 第52页 |
| ·对基于欧基里德范数的人脸识别方法的回顾 | 第52-55页 |
| ·人脸特征提取 | 第52-54页 |
| ·分类识别 | 第54-55页 |
| ·基于模PCA的人脸识别 | 第55-56页 |
| ·人脸特征提取 | 第55-56页 |
| ·基于权值向量夹角余弦值的分类识别 | 第56页 |
| ·人脸数据库 | 第56-57页 |
| ·实验结果 | 第57-59页 |
| ·本章总结 | 第59-60页 |
| 第五章 基于模ICA的人脸识别 | 第60-67页 |
| ·引言 | 第60-61页 |
| ·模ICA | 第61-64页 |
| ·ICA | 第61-63页 |
| ·模ICA | 第63-64页 |
| ·基于权值向量夹角余弦值的分类识别 | 第64-65页 |
| ·人脸数据库 | 第65-66页 |
| ·实验结果 | 第66页 |
| ·本章总结 | 第66-67页 |
| 第六章 基于双权值神经网络的 P以人脸图像识别 | 第67-73页 |
| ·人脸特征提取 | 第68-70页 |
| ·主元分析法(PCA)算法理论 | 第68-69页 |
| ·利用非线性双权值神经网络提取主元 | 第69-70页 |
| ·特征数据的归一化和双权值神经网络识别 | 第70-71页 |
| ·实验结果及分析 | 第71-72页 |
| ·本章总结 | 第72-73页 |
| 第七章 回顾与总结 | 第73-75页 |
| ·论文的重点及创新工作 | 第73-74页 |
| ·未来工作展望 | 第74-75页 |
| 参考文献 | 第75-82页 |
| 附录 | 第82-84页 |
| 1. ORL人脸数据库 | 第82-83页 |
| 2. Yale人脸数据库 | 第83-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间发表的学术论文 | 第85页 |
