人脸图像的检测和识别的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·人脸检测与识别研究的内容 | 第10-11页 |
| ·人脸检测与识别研究的意义与挑战 | 第11-12页 |
| ·国内外研究的历程与现状 | 第12-15页 |
| ·在国外的研究与发展的现状 | 第13-14页 |
| ·在国内的研究与发展的现状 | 第14-15页 |
| ·相关学术资源 | 第15-16页 |
| ·本文的内容组织 | 第16-18页 |
| 第2章 人脸检测与定位 | 第18-30页 |
| ·人脸检测 | 第18-22页 |
| ·人脸检测方法的分类 | 第18页 |
| ·基于肤色的人脸检测 | 第18-20页 |
| ·基于形状的人脸检测 | 第20-21页 |
| ·基于特征的人脸检测 | 第21-22页 |
| ·人脸跟踪定位 | 第22-24页 |
| ·帧差法 | 第22页 |
| ·基于运动目标预测的人脸跟踪 | 第22-23页 |
| ·基于模型的人脸跟踪 | 第23-24页 |
| ·基于人脸局部特征的人脸跟踪 | 第24页 |
| ·人脸图像的预处理 | 第24-27页 |
| ·人脸检测与定位 | 第24页 |
| ·人脸图像数据库 | 第24-25页 |
| ·人脸样本图像的标准化 | 第25-27页 |
| ·人脸样本图像的小波分解 | 第27页 |
| ·人脸检测的实验分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人脸特征的提取与融合 | 第30-36页 |
| ·几何特征的提取 | 第30-31页 |
| ·统计特征的提取 | 第31-34页 |
| ·主成分分析算法 | 第31-32页 |
| ·二维主成分分析算法 | 第32-33页 |
| ·线性判别分析算法 | 第33页 |
| ·独立成分分析算法 | 第33-34页 |
| ·频率域特征的提取 | 第34页 |
| ·小波技术 | 第34页 |
| ·Gabor 小波 | 第34页 |
| ·代数特征的提取 | 第34页 |
| ·特征提取的实验分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 人脸识别的方法 | 第36-42页 |
| ·线性判别分析 | 第36-37页 |
| ·支持向量机 | 第37-38页 |
| ·隐马尔可夫模型及其基本问题 | 第38-39页 |
| ·隐马尔可夫模型 | 第38-39页 |
| ·隐马尔可夫算法实现中的基本问题 | 第39页 |
| ·贝叶斯网络 | 第39-41页 |
| ·贝叶斯网络的概述 | 第39-40页 |
| ·贝叶斯网络的构建 | 第40-41页 |
| ·人脸识别方法的比较研究 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第5章 人脸检测识别系统的设计 | 第42-53页 |
| ·人脸识别系统流程 | 第42-43页 |
| ·人脸识别系统的设计与实现 | 第43-52页 |
| ·人脸识别系统的总体设计 | 第43-44页 |
| ·人脸检测和识别系统的算法设计和实现 | 第44-45页 |
| ·人脸识别系统的实现 | 第45-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间取得学术成果 | 第58页 |
