人脸检测与识别系统中基于虚拟样本的稀疏描述研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 本文的研究背景及意义 | 第12-13页 |
| 1.2 人脸识别的研究进展与现状 | 第13-15页 |
| 1.2.1 人脸识别发展阶段 | 第13-14页 |
| 1.2.2 国内人脸识别发展状况 | 第14-15页 |
| 1.3 人脸识别面临的几个问题及其发展方向 | 第15-16页 |
| 1.4 常用人脸数据库 | 第16-18页 |
| 1.5 本文所做的工作 | 第18-19页 |
| 1.6 论文组织结构 | 第19-20页 |
| 第2章 人脸检测与定位 | 第20-27页 |
| 2.1 前言 | 第20页 |
| 2.2 基于知识模型的方法 | 第20-21页 |
| 2.3 基于特征的方法 | 第21-22页 |
| 2.3.1 基于人脸轮廓特征的方法 | 第21页 |
| 2.3.2 基于器官特征的方法 | 第21-22页 |
| 2.3.3 基于灰度分布特征的方法 | 第22页 |
| 2.4 基于肤色模型的方法 | 第22页 |
| 2.5 基于模板匹配的方法 | 第22-23页 |
| 2.6 基于统计理论的方法 | 第23-25页 |
| 2.6.1 基于特征空间的方法 | 第23-24页 |
| 2.6.2 基于人工神经网络的方法 | 第24-25页 |
| 2.6.3 基于支持向量机的方法 | 第25页 |
| 2.6.4 基于 AdaBoost 的方法 | 第25页 |
| 2.7 本章小结 | 第25-27页 |
| 第3章 人脸识别算法综述 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 PCA 人脸识别算法 | 第27-28页 |
| 3.3 Fisher 脸(LDA)人脸识别算法 | 第28-29页 |
| 3.4 基于隐马尔科夫模型人脸识别算法 | 第29页 |
| 3.5 基于小波变换的人脸识别算法 | 第29-30页 |
| 3.6 基于神经网络的人脸识别算法 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 第4章 基于虚拟样本的稀疏描述人脸识别 | 第32-46页 |
| 4.1 前言 | 第32-33页 |
| 4.2 基于虚拟样本的人脸识别算法 | 第33-34页 |
| 4.3 稀疏描述人脸识别算法 | 第34-36页 |
| 4.4 基于虚拟样本的稀疏描述算法 | 第36-38页 |
| 4.5 基于虚拟样本的稀疏描述算法的分析 | 第38-39页 |
| 4.6 实验结果及分析 | 第39-45页 |
| 4.6.1 实验结果 | 第39-45页 |
| 4.6.2 实验结果分析 | 第45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 基于教室视频监控图像的人脸检测系统 | 第46-53页 |
| 5.1 系统的开发平台 | 第46页 |
| 5.2 系统流程及模块介绍 | 第46-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 A 攻读硕士学位期间所发表的学术论文 | 第61页 |
