基于谱直方图和支持向量机的人脸检测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究概况及发展趋势 | 第9页 |
| ·人脸检测的各种方法 | 第9-14页 |
| ·基于知识的人脸检测方法 | 第9-10页 |
| ·基于特征的人脸检测方法 | 第10-12页 |
| ·基于模板匹配的人脸检测方法 | 第12页 |
| ·基于图像块的人脸检测方法 | 第12-14页 |
| ·人脸检测问题的评价标准 | 第14-15页 |
| ·本文的研究内容与安排 | 第15-16页 |
| 2 谱直方图 | 第16-29页 |
| ·谱直方图的定义和特性 | 第16-17页 |
| ·锐化滤波器 | 第17-20页 |
| ·微分法 | 第17-18页 |
| ·高通滤波 | 第18-20页 |
| ·LoG滤波器 | 第20-23页 |
| ·Gabor滤波器 | 第23-27页 |
| ·Gabor滤波器表达式 | 第23-24页 |
| ·二维Gabor小波变换 | 第24-25页 |
| ·二维Gabor滤波器组的参数 | 第25-27页 |
| ·滤波器的选择 | 第27-29页 |
| 3 基于支持向量机的人脸检测方法 | 第29-39页 |
| ·支持向量机的理论背景 | 第29-32页 |
| ·期望风险最小化 | 第29-30页 |
| ·经验风险最小化 | 第30页 |
| ·函数集的VC维 | 第30-31页 |
| ·推广性的界 | 第31页 |
| ·结构风险最小化 | 第31-32页 |
| ·支持向量机(SVM) | 第32-37页 |
| ·最优分类超平面 | 第33-34页 |
| ·线性支持向量机 | 第34-36页 |
| ·非线性支持向量机 | 第36-37页 |
| ·基于支持向量机的人脸检测方法 | 第37-39页 |
| 4 基于谱直方图和支持向量机的人脸检测 | 第39-52页 |
| ·图像的预处理 | 第39-40页 |
| ·样本选取 | 第40-42页 |
| ·人脸样本的选取 | 第40-41页 |
| ·非人脸样本的选取 | 第41-42页 |
| ·LBP描述 | 第42-44页 |
| ·局域二值模式(LBP) | 第42-43页 |
| ·利用LBP方法提取特征信息 | 第43-44页 |
| ·训练与滤波器的选择 | 第44-47页 |
| ·使用梯度+LoG+Gabor滤波器构造滤波器组 | 第44-46页 |
| ·使用梯度+LoG十LBP算子构造滤波器组 | 第46-47页 |
| ·两种方法的比较 | 第47页 |
| ·检测与后加工 | 第47-50页 |
| ·图像检索策略 | 第47-48页 |
| ·检测窗口合并 | 第48-50页 |
| ·实验结果与分析 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
