基于核的人脸识别算法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究背景 | 第11页 |
| ·人脸识别技术问题描述 | 第11-12页 |
| ·核方法研究现状 | 第12-14页 |
| ·人脸识别研究现状及进展 | 第14-18页 |
| ·国内外研究现状 | 第14-15页 |
| ·人脸识别最新进展 | 第15-18页 |
| ·二维人脸识别 | 第15-17页 |
| ·三维人脸识别 | 第17-18页 |
| ·视频人脸识别 | 第18页 |
| ·本文的主要工作及内容结构安排 | 第18-20页 |
| 第2章 人脸识别方法 | 第20-29页 |
| ·人脸图像预处理 | 第20-21页 |
| ·尺寸归一化 | 第20页 |
| ·光照归一化 | 第20-21页 |
| ·特征提取方法 | 第21-26页 |
| ·基于知识的特征提取方法 | 第21-22页 |
| ·基于统计的特征提取方法 | 第22-23页 |
| ·代数特征提取方法 | 第23-26页 |
| ·线性的代数特征提取方法 | 第23-24页 |
| ·基于核的非线性子空间变换 | 第24-26页 |
| ·典型的分类方法 | 第26-28页 |
| ·人工神经网络 | 第26-27页 |
| ·支持向量机 | 第27-28页 |
| ·本章小节 | 第28-29页 |
| 第3章 典型相关分析与改进 | 第29-43页 |
| ·典型相关分析的理论基础 | 第29-31页 |
| ·CCA的数学定义 | 第29-30页 |
| ·基于典型相关判别分析的特征提取 | 第30-31页 |
| ·核典型相关分析 | 第31-39页 |
| ·原空间与高维特征空间的关系 | 第31-33页 |
| ·正定核与希尔伯特核空间 | 第33-34页 |
| ·基于KCCA判别分析的特征提取 | 第34-37页 |
| ·基于特征向量选择的改进方法 | 第37-39页 |
| ·特征向量选择算法 | 第37-38页 |
| ·基于特征向量选择的KCCA | 第38-39页 |
| ·一种提升KCCA特征提取效率的方法 | 第39页 |
| ·仿真实验结果及分析 | 第39-41页 |
| ·人脸库及预处理 | 第40页 |
| ·实验结果及分析 | 第40-41页 |
| ·本章小节 | 第41-43页 |
| 第4章 基于支持向量数据描述的人脸分类 | 第43-51页 |
| ·支持向量数据描述 | 第44-45页 |
| ·KCCA人脸特征SVDD训练与认证 | 第45-46页 |
| ·SVDD与NNC的融合分类器设计 | 第46-48页 |
| ·基于SVDD的多分类器 | 第46-47页 |
| ·融合分类器设计 | 第47-48页 |
| ·仿真实验及其结果分析 | 第48-50页 |
| ·人脸库及参数设置 | 第48页 |
| ·KCCA与SVDD结合的人脸识别方法性能分析 | 第48-50页 |
| ·本章小节 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-60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 |
