面部图像识别系统的研究
第一章 绪论 | 第1-11页 |
1.1 人脸识别技术的应用背景及其研究现状 | 第7-9页 |
1.1.1 人脸识别技术的应用 | 第7页 |
1.1.2 人脸识别在国外的研究现状 | 第7-8页 |
1.1.3 人脸识别在国内的研究现状 | 第8页 |
1.1.4 当前人脸识别技术存在的缺陷 | 第8-9页 |
1.2 本论文工作简介 | 第9-11页 |
第二章 人脸识别技术的基础知识 | 第11-17页 |
2.1 图像预处理的基本概念和方法 | 第11-14页 |
2.1.1 数字图像的物理基础 | 第11-12页 |
2.1.2 图像增强 | 第12-14页 |
2.2 人脸识别技术的研究内容概述 | 第14-16页 |
2.2.1 人脸检测与定位方法综述 | 第14-15页 |
2.2.2 人脸的特征提取与识别方法综述 | 第15-16页 |
2.3 人脸识别技术的系统结构 | 第16-17页 |
第三章 图像预处理 | 第17-33页 |
3.1 人脸的检测 | 第17-20页 |
3.1.1 人脸检测的基本思想 | 第17页 |
3.1.2 色调、饱和度和亮度三分量的分离 | 第17-18页 |
3.1.3 建立肤色的数学模型 | 第18-20页 |
3.1.4 实验结果分析 | 第20页 |
3.2 嘴唇的区域分割 | 第20-24页 |
3.2.1 嘴唇的分割和定位的原理和步骤 | 第20-21页 |
3.2.2 图像的投影方法 | 第21页 |
3.2.3 阈值的确定与嘴唇区域的分割 | 第21-22页 |
3.2.4 嘴唇的提取 | 第22-24页 |
3.2.5 实验结果分析 | 第24页 |
3.3 图像的边缘提取和二值化 | 第24-30页 |
3.3.1 边缘提取的原理 | 第25-29页 |
3.3.2 算法的实验结果与分析 | 第29-30页 |
3.4 二值化图像的去除噪声 | 第30-33页 |
3.4.1 去除噪声的基本原理与算法 | 第30-32页 |
3.4.2 实验结果分析 | 第32-33页 |
第四章 人脸基本特征点的定位 | 第33-49页 |
4.1 人脸特征点定位的概述 | 第33-34页 |
4.1.1 人脸特征点定位的切入点 | 第33页 |
4.1.2 人脸特征点定位的方法 | 第33-34页 |
4.2 嘴巴特征点的定位 | 第34-36页 |
4.2.1 嘴巴特征点定位的算法原理 | 第35页 |
4.2.2 实验结果分析 | 第35-36页 |
4.3 眼睛特征点的定位 | 第36-40页 |
4.3.1 由嘴巴推算双眼的大概区域 | 第37页 |
4.3.2 用投影法对眼睛区域位置进行精确提取 | 第37-39页 |
4.3.3 实验结果分析 | 第39-40页 |
4.4 脸部轮廓特征点的定位 | 第40-43页 |
4.4.1 整个脸部轮廓特征点的定位流程 | 第40-41页 |
4.4.2 推算脸部轮廓的各个区域 | 第41-42页 |
4.4.3 脸部的五个轮廓特征点的定位 | 第42-43页 |
4.4.4 实验结果分析 | 第43页 |
4.5 特征点的修正 | 第43-49页 |
4.5.1 偏差点的纠正方法 | 第44-45页 |
4.5.2 实验结果分析 | 第45-49页 |
第五章 特征向量的提取和人脸识别 | 第49-64页 |
5.1 特征向量的选择 | 第49-52页 |
5.1.1 用于构造特征矢量的特正点集的选择 | 第49页 |
5.1.2 特征向量的选择 | 第49-52页 |
5.2 基于欧氏距离和加权欧氏距离的识别方法 | 第52-54页 |
5.2.1 基于欧氏距离的识别方法 | 第53页 |
5.2.2 基于加权欧氏距离的识别的方法 | 第53-54页 |
5.3 甚于BP神经网络的识别方法 | 第54-64页 |
5.3.1 BP神经网络的概念 | 第54-56页 |
5.3.2 学习速率的选择 | 第56-58页 |
5.3.3 BP神经网络的算法思想 | 第58-61页 |
5.3.4 人脸的识别 | 第61-63页 |
5.3.5 实验结果分析 | 第63-64页 |
第六章 讨论与总结 | 第64-66页 |
6.1 本论文工作总结 | 第64-65页 |
6.2 存在的问题及工作展望 | 第65-66页 |
参考文献 | 第66-68页 |
致谢 | 第68-69页 |
攻读硕士学位期间已发表和录用的文章及参与的科研目 | 第69页 |