第一章 绪论 | 第10-18页 |
1.1 人体生物认证技术 | 第10-13页 |
1.2 人脸识别 | 第13-15页 |
1.2.1 人脸检测与人脸识别的研究内容 | 第13页 |
1.2.2 人脸检测与人脸识别的评价标准 | 第13-14页 |
1.2.3 人脸检测与人脸识别的技术挑战 | 第14-15页 |
1.2.4 人脸检测与人脸识别的实用价值 | 第15页 |
1.3 论文的主要研究内容 | 第15-18页 |
第二章 人脸自动检测综述 | 第18-30页 |
2.1 引言 | 第18页 |
2.2 人脸检测方法分类 | 第18-28页 |
2.2.1 基于知识的方法 | 第19-22页 |
2.2.2 基于模板匹配的方法 | 第22-23页 |
2.2.3 基于学习的方法 | 第23-28页 |
2.2.4 彩色图像的人脸检测 | 第28页 |
2.3 本章概述 | 第28-30页 |
第三章 复杂背景下实时人脸的检测方法 | 第30-48页 |
3.1 引言 | 第30页 |
3.2 预备知识 | 第30-41页 |
3.2.1 AdaBoost 算法 | 第30-33页 |
3.2.2 Boost 算法的一个直观解释 | 第33-36页 |
3.2.3 算法3.1 的分类误差估计 | 第36-37页 |
3.2.4 具有局部互联结构的BP 神经网络反向传播算法数学推导 | 第37-39页 |
3.2.5 积分图像方法简介 | 第39-41页 |
3.3 人脸检测算法 | 第41-47页 |
3.3.1 图像预处理 | 第41-42页 |
3.3.2 从局部到整体的人脸检测 | 第42-45页 |
3.3.3 实验结果 | 第45-47页 |
3.4 本章概述 | 第47-48页 |
第四章 人脸识别方法综述 | 第48-62页 |
4.1 引言 | 第48-49页 |
4.2 人脸自动识别研究的历史 | 第49-50页 |
4.3 人脸自动识别方法 | 第50-57页 |
4.3.1 基于KL 变换的特征脸识别方法 | 第50-52页 |
4.3.2 基于几何特征的方法 | 第52-53页 |
4.3.3 相关性匹配方法 | 第53-56页 |
4.3.4 等强度线法 | 第56-57页 |
4.3.5 神经网络方法 | 第57页 |
4.4 人脸识别的评价标准 | 第57-59页 |
4.4.1 评价标准 | 第57-58页 |
4.4.2 性能指标(绪论中也有) | 第58-59页 |
4.5 现有的人脸识别系统的产品介绍 | 第59-60页 |
4.6 人脸识别应用领域 | 第60-61页 |
4.7 本章概述 | 第61-62页 |
第五章 基于局部特征分析与最优化匹配的人脸识别算法 | 第62-70页 |
5.1 引言 | 第62页 |
5.2 算法 | 第62-67页 |
5.2.1 图像预处理 | 第62页 |
5.2.2 人脸图像特征点定位 | 第62-63页 |
5.2.3 利用Gabor 小波提取人脸局部的多尺度特征 | 第63-64页 |
5.2.4 局部特征的最优化匹配 | 第64-67页 |
5.2.5 人脸匹配识别 | 第67页 |
5.3 实验结果和结论 | 第67-68页 |
5.3.1 实验结果 | 第67-68页 |
5.4 本章概述 | 第68-70页 |
第六章 人脸光照补偿方法 | 第70-78页 |
6.1 引言 | 第70-71页 |
6.2 算法 | 第71-75页 |
6.2.1 应用同态滤波粗略消除侧光照的影响 | 第71-72页 |
6.2.2 图像的小波分解 | 第72-73页 |
6.2.3 神经网络的结构和训练 | 第73-75页 |
6.3 操作步骤 | 第75-76页 |
6.4 实验结果 | 第76-77页 |
6.5 本章概述 | 第77-78页 |
第七章 三维人脸识别简介 | 第78-92页 |
7.1 引言 | 第78页 |
7.2 三维人脸识别方法简介 | 第78-86页 |
7.2.1 基于曲率的方法 | 第79-80页 |
7.2.2 基于模型拟合及合成的方法 | 第80-84页 |
7.2.3 基于形状表征的方法 | 第84-85页 |
7.2.4 其它方法 | 第85-86页 |
7.3 3D 人脸数据获取技术 | 第86-91页 |
7.4 本章概述 | 第91-92页 |
参考文献 | 第92-99页 |
致谢 | 第99-100页 |
攻读博士期间的学术论文及科研成果 | 第100-101页 |
博士学位论文摘要 | 第101-103页 |
Abstract of Dissertation | 第103页 |