首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸识别中的可学习特征描述及降维研究

摘要第3-5页
Abstract第5-6页
第一章 绪论第9-14页
    1.1 论文研究背景及意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 论文创新点及主要结构第12-14页
第二章 人脸特征描述第14-36页
    2.1 人脸识别中的特征描述器概述第14-15页
    2.2 传统手动设计特征描述器第15-21页
        2.2.1 整体特征描述第15-16页
        2.2.2 局部特征描述第16-21页
    2.3 可学习特征描述器第21-36页
        2.3.1 基于学习的描述器第22-24页
        2.3.2 与LBP特征描述器结合的判别可学习滤波器第24-29页
        2.3.3 可学习判别人脸描述器第29-32页
        2.3.4 用于特征描述的可学习核判别图像滤波器第32-36页
第三章 特征降维第36-51页
    3.1 人脸特征降维概述第36页
    3.2 线性降维第36-42页
        3.2.1 主成分分析第37-38页
        3.2.2 线性判别分析第38-40页
        3.2.3 判别公共矢量第40-42页
    3.3 非线性降维第42-51页
        3.3.1 广义判别分析第43-46页
        3.3.2 核判别公共矢量第46-51页
第四章 实验第51-60页
    4.1 常用标准人脸数据库第51-52页
    4.2 实验结果分析比较第52-58页
        4.2.1 特征描述器性能的比较第52-56页
        4.2.2 降维算法性能比较第56-58页
    4.3 结论第58-60页
第五章 总结与展望第60-62页
    5.1 总结第60页
    5.2 展望第60-62页
参考文献第62-67页
致谢第67-68页
攻读硕士期间发表论文和参与项目第68页

论文共68页,点击 下载论文
上一篇:基于卷积神经网络与足底压力信息的步态识别
下一篇:沈阳市空气质量状况与气象条件相关性分析及预测