视频图像中的人脸识别技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题的研究意义 | 第11页 |
| ·人脸识别的研究现状和研究方法概述 | 第11-13页 |
| ·论文的研究内容 | 第13-14页 |
| 第二章 图像的预处理技术 | 第14-19页 |
| ·直方图均衡化 | 第14-15页 |
| ·图像的平滑 | 第15-16页 |
| ·图像的缩放 | 第16-17页 |
| ·光照的补偿技术 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 视频图像中的人脸检测 | 第19-30页 |
| ·人脸检测算法概述 | 第19-20页 |
| ·基于帧间差分的人脸检测 | 第20-22页 |
| ·视频图像的获取 | 第20-21页 |
| ·帧间差分检测人脸 | 第21-22页 |
| ·基于肤色模型的人脸检测 | 第22-24页 |
| ·人脸颜色空间 | 第22-23页 |
| ·肤色模型原理 | 第23页 |
| ·实验结果 | 第23-24页 |
| ·基于反向传播(BP)神经网络的人脸检测 | 第24-28页 |
| ·神经网络(ANN)简介 | 第24-26页 |
| ·神经网络人脸检测实例 | 第26-28页 |
| ·小结 | 第28-30页 |
| 第四章 人脸的识别 | 第30-44页 |
| ·人脸的特征提取 | 第30-36页 |
| ·主成分(PCA)特征提取 | 第30-33页 |
| ·线性Fisher特征提取 | 第33-34页 |
| ·分区局部二进制模式(LBP)特征提取 | 第34-36页 |
| ·基于多类型特征提取和SVM的人脸识别系统 | 第36-44页 |
| ·多类型特征提取 | 第36-37页 |
| ·支持向量机(SVM)介绍 | 第37-42页 |
| ·将SVM用于多类判决 | 第42页 |
| ·输入SVM的人脸特征数据 | 第42-43页 |
| ·算法总结 | 第43-44页 |
| 第五章 系统总体框架 | 第44-52页 |
| ·系统介绍 | 第44-46页 |
| ·系统软硬件组成 | 第44页 |
| ·系统的工作流程 | 第44-46页 |
| ·系统分析 | 第46-52页 |
| ·实验结果与分析 | 第46-51页 |
| ·结论 | 第51-52页 |
| 第六章 总结和展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58页 |
