基于BP神经网络的人脸识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-22页 |
| ·选题背景及意义 | 第9-11页 |
| ·当前研究现状 | 第11-17页 |
| ·人脸识别的研究历史 | 第11-12页 |
| ·人脸识别的应用现状 | 第12-15页 |
| ·人脸识别的研究困难 | 第15-16页 |
| ·人脸识别的研究隐患 | 第16-17页 |
| ·论文研究内容与目的 | 第17-20页 |
| ·论文研究内容 | 第17-20页 |
| ·论文研究目的 | 第20页 |
| ·论文设计特色 | 第20页 |
| ·论文结构安排 | 第20-22页 |
| 第二章 人脸识别相关技术综述 | 第22-29页 |
| ·人脸识别的主要方法 | 第22-27页 |
| ·基于特征脸的方法 | 第23-24页 |
| ·基于几何特征的方法 | 第24-25页 |
| ·基于弹性图匹配的方法 | 第25页 |
| ·基于人工神经网络的方法 | 第25页 |
| ·基于支持向量机的方法 | 第25-26页 |
| ·隐马尔可夫模型的方法 | 第26-27页 |
| ·人脸图像库简介 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 人脸图像的预处理 | 第29-39页 |
| ·人脸图像的预处理算法 | 第29-31页 |
| ·图像的归一化 | 第29-30页 |
| ·图像的二值化 | 第30-31页 |
| ·直方图均衡化 | 第31页 |
| ·几何校正 | 第31页 |
| ·人脸特征提取 | 第31-35页 |
| ·基于奇异值分解的特征提取 | 第32页 |
| ·基于独立成分分析的特征提取 | 第32-33页 |
| ·基于离散余弦变换的特征提取 | 第33页 |
| ·基于小波变换的特征提取 | 第33-34页 |
| ·基于 KL 变换的特征提取 | 第34-35页 |
| ·基于 PCA 的人脸图像预处理27 | 第35-38页 |
| ·具体方法简介 | 第35-38页 |
| ·MATLAB 中的实现 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 BP 神经网络的设计 | 第39-52页 |
| ·人工神经网络 | 第39-45页 |
| ·神经网络基本概念 | 第40-43页 |
| ·神经网络特点及应用 | 第43-44页 |
| ·在人脸识别方面的发展 | 第44-45页 |
| ·BP 神经网络 | 第45-49页 |
| ·网络模型 | 第46-47页 |
| ·标准学习算法 | 第47页 |
| ·MATLAB 实现 | 第47-49页 |
| ·本文的相关设计41 | 第49-51页 |
| ·输入/输出层的设计及初始值选择 | 第49页 |
| ·隐含层节点数及激活函数的选择 | 第49-50页 |
| ·网络的学习识别 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于 BP 神经网络的人脸识别 | 第52-58页 |
| ·总体设计思路 | 第52-53页 |
| ·GUI 介绍及本文设计 | 第53-54页 |
| ·GUI 简介 | 第53-54页 |
| ·本文的相关设计 | 第54页 |
| ·仿真实验步骤 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62-65页 |
