基于Gabor特征和神经网络的人脸识别研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-11页 |
| ·人脸识别研究现状及研究方法 | 第11-14页 |
| ·人脸识别研究框架 | 第11-12页 |
| ·特征提取方法 | 第12-14页 |
| ·特征分类方法 | 第14页 |
| ·常用人脸库 | 第14-16页 |
| ·存在的问题及发展方向 | 第16页 |
| ·论文主要内容及章节安排 | 第16-18页 |
| 第2章 基于改进模糊算法的人脸检测 | 第18-28页 |
| ·人脸检测算法概述 | 第18-19页 |
| ·人脸检测的意义 | 第18页 |
| ·人脸检测主要方法 | 第18-19页 |
| ·基于肤色的人脸检测流程 | 第19页 |
| ·图像预处理 | 第19-21页 |
| ·图像滤波 | 第19-20页 |
| ·颜色空间转换 | 第20-21页 |
| ·一般肤色提取方法 | 第21页 |
| ·基于改进模糊算法的阈值选择 | 第21-24页 |
| ·计算图像的熵 | 第22-23页 |
| ·确定区域最大熵 | 第23-24页 |
| ·改进模糊算法求最佳阈值 | 第24页 |
| ·肤色提取与人脸检测 | 第24-27页 |
| ·肤色提取 | 第24-26页 |
| ·人脸检测与归一化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 优化的GABOR特征提取方法 | 第28-36页 |
| ·提取人脸特征点 | 第28-29页 |
| ·面部器官定位 | 第28-29页 |
| ·特征点提取 | 第29页 |
| ·GABOR函数研究 | 第29-30页 |
| ·函数演变过程 | 第29-30页 |
| ·Gabor变换 | 第30页 |
| ·GABOR滤波器设计 | 第30-32页 |
| ·GABOR特征提取新方法 | 第32-35页 |
| ·几何距离特征提取 | 第32-33页 |
| ·一种新的Gabor特征提取方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于神经网络的人脸识别分类器设计 | 第36-45页 |
| ·神经网络概述 | 第36-40页 |
| ·神经网络概念 | 第36页 |
| ·神经网络原理 | 第36-39页 |
| ·BP网络学习算法 | 第39-40页 |
| ·神经网络分类器的设计与改进办法 | 第40-42页 |
| ·BP网络的设计 | 第40-41页 |
| ·改进神经网络分类器设计 | 第41-42页 |
| ·在人脸库中训练测试分类器 | 第42页 |
| ·选择训练样本 | 第42页 |
| ·输入和输出变量选择 | 第42页 |
| ·分析人脸识别测试结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 人脸识别系统的实现 | 第45-62页 |
| ·人脸识别系统设计分析 | 第45-47页 |
| ·系统的主要模块 | 第45-46页 |
| ·系统设计软硬件条件 | 第46-47页 |
| ·MATLAB 与 C#混合编程 | 第47-51页 |
| ·m文件编译生成dll文件 | 第47-48页 |
| ·函数调用 | 第48-51页 |
| ·人脸识别系统应用的实现 | 第51-61页 |
| ·人脸识别主界面 | 第52页 |
| ·人脸检测界面 | 第52-56页 |
| ·特征提取界面 | 第56-57页 |
| ·动态人脸检测界面 | 第57-59页 |
| ·动态人脸匹配界面 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 总结 | 第62页 |
| 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
