基于静态人脸检测与识别算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪 论 | 第11-17页 |
| ·课题研究的目的和意义 | 第11页 |
| ·静态人脸检测与识别研究现状 | 第11-12页 |
| ·检测与识别算法特点分析 | 第12-16页 |
| ·图像预处理 | 第13-14页 |
| ·人脸检测与定位 | 第14-15页 |
| ·人脸库的归一化训练 | 第15页 |
| ·特征提取与识别 | 第15-16页 |
| ·本文研究的主要内容和结构安排 | 第16-17页 |
| 第2章 静态人脸检测与识别关键理论 | 第17-28页 |
| ·静态图像预处理 | 第17-20页 |
| ·图像平滑 | 第17-18页 |
| ·图像形态学处理 | 第18-19页 |
| ·归一化处理 | 第19-20页 |
| ·静态人脸检测方法 | 第20页 |
| ·静态人脸图像特征提取方法 | 第20-21页 |
| ·PCA 人脸识别方法 | 第21-23页 |
| ·K-L 变换算法原理 | 第21-23页 |
| ·特征提取方法 | 第23页 |
| ·分类方法 | 第23页 |
| ·LDA 人脸识别方法 | 第23-26页 |
| ·Fisher 判别准则 | 第25-26页 |
| ·LDA 人脸特征提取情况分析 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 人脸图像检测与定位 | 第28-38页 |
| ·Adaboost 人脸检测算法原理 | 第28-29页 |
| ·矩形特征选取 | 第28页 |
| ·矩形特征描述 | 第28-29页 |
| ·人脸检测分类器架构 | 第29-31页 |
| ·Adaboost 弱分类器 | 第29-30页 |
| ·Adaboost 强分类器 | 第30-31页 |
| ·Cascade 算法原理 | 第31页 |
| ·Adaboost 人眼检测分析 | 第31-34页 |
| ·人眼检测原理 | 第32页 |
| ·粗略眼睛区域检测 | 第32-33页 |
| ·眼睛模板制作 | 第33页 |
| ·眼睛定位 | 第33-34页 |
| ·肤色提取原理 | 第34-37页 |
| ·彩色图像光照统一化 | 第35页 |
| ·彩色分割 | 第35-37页 |
| ·侯选区域扫描 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 静态人脸识别算法融合 . | 第38-46页 |
| ·核主成分分析法(KPCA) | 第38-41页 |
| ·LDA 算法改进 | 第41-42页 |
| ·人脸识别算法融合原理 | 第42-44页 |
| ·KFD 融合方法分析 | 第42-44页 |
| ·KFD 算法原理 | 第44页 |
| ·ORL 人脸库训练 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验分析 | 第46-55页 |
| ·实验操作条件 | 第46页 |
| ·实验评价指标 | 第46-47页 |
| ·实验数据与结果分析 | 第47-54页 |
| ·Adaboost 人眼检测结果 | 第47-48页 |
| ·Adaboost 人脸检测结果 | 第48-53页 |
| ·静态人脸识别结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
