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

嵌入式隐Markov模型和神经网络人脸识别

第一章 绪论第1-17页
 1.1 研究背景和意义第11页
 1.2 人脸识别的研究内容第11-13页
 1.3 人脸识别的难点第13-14页
 1.4 本文的研究思想和主要工作第14-15页
 1.5 论文的结构第15-17页
第二章 人脸识别的研究现状第17-32页
 2.1 静止图像中人脸识别方法第17-27页
  2.1.1 基于几何特征的识别第17-18页
  2.1.2 基于模板的识别第18-24页
  2.1.3 基于模型的识别第24-27页
 2.2 视频系列中人脸识别方法第27-28页
 2.3 三维人脸识别方法第28-30页
 2.4 人脸识别国内研究现状第30页
 2.5 小结第30-32页
第三章 人脸图像的预处理第32-39页
 3.1 论文研究测试用到的人脸图像库第32-33页
  3.1.1 ORL人脸图像库第32页
  3.1.2 自建人脸图像库第32-33页
 3.2 人脸图像的预处理第33-36页
  3.2.1 基于仿射变换的几何矫正第33-34页
  3.2.2 灰度分布正规化第34-36页
 3.3 人脸识别系统的评价第36-38页
 3.4 小结第38-39页
第四章 嵌入式隐Markov模型基本理论及其训练算法的改进第39-65页
 4.1 隐Markov模型基本理论第39-47页
  4.1.1 隐Markov模型第39-40页
  4.1.2 嵌入式隐Markov模型第40-42页
  4.1.3 嵌入式隐Markov模型的三个基本算法第42-47页
 4.2 嵌入式隐Markov模型人脸识别第47-50页
  4.2.1 人脸图像的嵌入式隐Markov模型第47-48页
  4.2.2 观察向量的选择第48-50页
 4.3 嵌入式隐Markov模型的训练和识别第50-53页
  4.3.1 训练和识别流程第50-52页
  4.3.2 一些具体计算问题第52-53页
  4.3.3 嵌入式隐Markov模型人脸识别系统流程第53页
 4.4 改进的嵌入式隐Markov模型训练算法第53-60页
  4.4.1 加权合成的嵌入式隐Markov模型训练算法第53-57页
  4.4.2 增量式训练方法—模块化嵌入式隐Markov模型训练算法第57-60页
 4.5 Viterbi训练算法第60-62页
 4.6 人脸识别实验第62-64页
 4.7 小结第64-65页
第五章 E-HMM/ANN混合识别网络第65-76页
 5.1 E-HMM人脸识别器第65-68页
 5.2 E-HMM/ANN混合识别网络拓扑结构第68页
 5.3 E-HMM/ANN混合识别网络训练算法第68-74页
  5.3.1 基于互熵函数准则的神经网络二阶学习算法第68-73页
  5.3.2 E-HMM/ANN混合识别网络的训练和识别第73-74页
 5.4 人脸识别实验第74-75页
 5.5 小结第75-76页
第六章 E-HMM/ANN混合模型第76-94页
 6.1 E-HMM/ANN混合模型第76-78页
  6.1.1 E-HMM/ANN混合模型定义第76-77页
  6.1.2 E-HMM/ANN混合模型拓扑结构第77-78页
 6.2 E-HMM/ANN混合模型训练算法第78-81页
 6.3 E-HMM/ANN混合模型训练算法实现中的问题第81-83页
  6.3.1 多个观察向量序列训练第81-82页
  6.3.2 数值稳定性问题第82-83页
 6.4 发散问题第83-89页
  6.4.1 Bayes训练算法第83-88页
  6.4.2 基于最大后验概率准则的训练算法第88-89页
 6.5 E-HMM/ANN混合模型建模训练和检测识别流程第89-92页
  6.5.1 预处理第89页
  6.5.2 E-HMM/ANN混合模型的训练流程第89-91页
  6.5.3 E-HMM/ANN混合模型训练算法复杂度分析第91页
  6.5.4 E-HMM/ANN混合模型人脸识别系统流程第91-92页
 6.6 人脸识别实验第92-93页
 6.7 小结第93-94页
第七章 总结与展望第94-96页
 7.1 总结第94-95页
 7.2 对进一步工作的展望第95-96页
参考文献第96-103页
附录1 ORL人脸图像库中部分对象脸像第103-104页
附录2 自建人脸图像库中部分对象脸像第104-105页
攻读博士学位期间发表(录用)论文第105-106页
创新点摘要第106-107页
致谢第107-108页

论文共108页,点击 下载论文
上一篇:我国外资银行监管法律制度研究
下一篇:金盾网络系统集成及开发应用