面向真实场景的人脸识别算法研究及实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 面向真实场景的人脸识别技术 | 第10-17页 |
| 1.2.1 基于稀疏表达的人脸识别算法 | 第12-13页 |
| 1.2.2 基于概率弹性匹配的人脸识别算法 | 第13-15页 |
| 1.2.3 基于特征集匹配的人脸识别算法 | 第15-17页 |
| 1.3 人脸识别系统的国内外现状 | 第17-18页 |
| 1.4 论文结构安排 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 基于离线特征学习的人脸识别算法 | 第19-37页 |
| 2.1 特征提取 | 第19-21页 |
| 2.1.1 spatial-SIFT特征提取 | 第19-20页 |
| 2.1.2 带参数的spatial-SIFT特征 | 第20-21页 |
| 2.2 特征学习 | 第21-25页 |
| 2.2.1 近邻规则 | 第21-22页 |
| 2.2.2 子特征集选择 | 第22-23页 |
| 2.2.3 离线单特征权重学习 | 第23-24页 |
| 2.2.4 离线特征组权重学习 | 第24-25页 |
| 2.3 采用图像-类的最近邻分类器的人脸识别 | 第25-30页 |
| 2.3.1 基本原理 | 第25-27页 |
| 2.3.2 图像-类的最近邻分类器 | 第27-28页 |
| 2.3.3 人脸识别过程 | 第28-30页 |
| 2.4 实验结果及分析 | 第30-35页 |
| 2.4.1 人脸数据库 | 第30-33页 |
| 2.4.2 实验参数设置 | 第33-34页 |
| 2.4.3 实验结果及分析 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于在线特征学习的人脸识别算法 | 第37-48页 |
| 3.1 基于图像检索的相似人脸子集获取 | 第37-40页 |
| 3.1.1 图像检索技术原理 | 第37-38页 |
| 3.1.2 逆文档频率的相似度度量 | 第38-39页 |
| 3.1.3 相似人脸子集检索 | 第39-40页 |
| 3.2 在线特征学习 | 第40-43页 |
| 3.2.1 在线单特征权重学习 | 第40-42页 |
| 3.2.2 在线特征对权重学习 | 第42-43页 |
| 3.3 实验 | 第43-47页 |
| 3.3.1 实验数据集 | 第43-44页 |
| 3.3.2 实验参数设置 | 第44-45页 |
| 3.3.3 实验结果 | 第45-47页 |
| 3.3.4 实验结果分析 | 第47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 多媒体人脸检索系统 | 第48-59页 |
| 4.1 人脸识别系统框架 | 第48-50页 |
| 4.2 镜头检测 | 第50-54页 |
| 4.3 人脸检测模块 | 第54-57页 |
| 4.4 人脸识别模块 | 第57页 |
| 4.5 人脸检索模块 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文主要工作总结 | 第59页 |
| 5.2 本文的主要贡献 | 第59-60页 |
| 5.3 未来的工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
