摘要 | 第1-6页 |
Abstract | 第6-10页 |
第一章 绪论 | 第10-19页 |
·论文背景 | 第10-12页 |
·问题的提出 | 第10-11页 |
·人脸识别的应用 | 第11-12页 |
·人脸识别的发展现状 | 第12-14页 |
·神经生理学、心理学的主要结果 | 第12-13页 |
·机器识别人脸的现状 | 第13-14页 |
·人脸识别的研究范围以及方法 | 第14-18页 |
·人脸定位和检测 | 第14-16页 |
·人脸特征提取 | 第16-17页 |
·人脸识别的方法 | 第17-18页 |
·论文内容安排 | 第18-19页 |
第二章 人脸识别方法综述 | 第19-25页 |
·引言 | 第19页 |
·基于统计的识别方法 | 第19-21页 |
·特征脸方法 | 第19-20页 |
·隐马尔科夫模型 | 第20-21页 |
·基于连接机制的识别方法 | 第21-22页 |
·基于神经网络的方法 | 第21-22页 |
·弹性图匹配方法 | 第22页 |
·其它人脸识别方法 | 第22-24页 |
·基于几何特征的人脸识别方法 | 第22-23页 |
·基于模板匹配的人脸识别方法 | 第23-24页 |
·其它一些综合方法或处理非二维灰度图像的方法 | 第24-25页 |
第三章 人脸识别相关算法与方法 | 第25-45页 |
·免疫算法 | 第25-26页 |
·引言 | 第25页 |
·免疫算法简介 | 第25-26页 |
·小波分析 | 第26-28页 |
·小波简介 | 第26-28页 |
·常用于提取特征的小波 | 第28页 |
·支持向量机 | 第28-33页 |
·引言 | 第28-29页 |
·支持向量机的简介 | 第29-30页 |
·支持向量机常用的核函数 | 第30-31页 |
·支持向量机的训练 | 第31-32页 |
·支持向量机组合的几种拓扑结构 | 第32-33页 |
·聚类算法简介 | 第33-39页 |
·模糊C 均值聚类算法(FCM) | 第33-34页 |
·系统聚类法 | 第34-35页 |
·C 均值聚类算法 | 第35-36页 |
·度量样本间距离的常用方法 | 第36-38页 |
·度量类与类间距离的常用方法 | 第38-39页 |
·神经网络 | 第39-43页 |
·神经网络的发展概况 | 第39页 |
·神经网络的结构及类型 | 第39-40页 |
·神经元的学习算法 | 第40页 |
·神经网络的应用 | 第40页 |
·BP 网络 | 第40-43页 |
·离散余弦变换 | 第43-45页 |
·引言 | 第43页 |
·离散余弦变换 | 第43-45页 |
第四章 正面人脸识别 | 第45-55页 |
·引言 | 第45页 |
·免疫算法在人脸识别中的应用 | 第45-46页 |
·基于免疫算法和层次支持向量机的人脸识别方法 | 第46-51页 |
·人脸识别系统设计 | 第46-47页 |
·图像的特征提取 | 第47-48页 |
·层次型支持向量机及其训练 | 第48页 |
·基于免疫算法和层次支持向量机的人脸识别 | 第48-49页 |
·实验仿真及结果分析 | 第49-51页 |
·引入聚类方法的人脸识别系统 | 第51-55页 |
·引言 | 第51页 |
·两种聚类算法 | 第51-52页 |
·支持向量机组合的拓扑结构 | 第52-53页 |
·人脸识别系统结构图 | 第53页 |
·引入聚类方法的人脸识别过程 | 第53-54页 |
·实验仿真及结果分析 | 第54-55页 |
第五章 基于神经网络和支持向量机的多姿态人脸识别 | 第55-64页 |
·引言 | 第55-56页 |
·多姿态人脸识别的新进展 | 第56页 |
·基于单视图或小样本的多姿态人脸识别技术 | 第56-59页 |
·目前的基于单视图的多姿态人脸识别技术研究成果 | 第57页 |
·基于单视图或小样本的多姿态人脸识别的可能技术途径 | 第57-59页 |
·基于神经网络和层次支持向量机的姿态人脸识别方法 | 第59-64页 |
·基于神经网络和层次支持向量机的姿态人脸识别方法的流程图 | 第59页 |
·基于神经网络和层次支持向量机的姿态人脸识别方法的神经网络 | 第59-62页 |
·基于神经网络和层次支持向量机的姿态人脸识别过程 | 第62-63页 |
·实验仿真及结果分析 | 第63-64页 |
总结与展望 | 第64-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-72页 |
附录 A(在学期间完成的学术论文及参加的科研项目) | 第72-73页 |
附录 B (人脸识别系统的部分界面) | 第73-74页 |
附录 C (部分源代码) | 第74-101页 |