中文摘要 | 第1-5页 |
Abstract | 第5-9页 |
第一章绪论 | 第9-19页 |
·人脸识别发展进程和研究现状 | 第9-12页 |
·人脸识别的发展历程 | 第9-10页 |
·人脸研究的现状 | 第10-12页 |
·人脸识别的主要方法 | 第12-14页 |
·人脸识别技术的应用 | 第14-15页 |
·人脸识别的评价标准 | 第15-16页 |
·本文的主要工作及创新点 | 第16-17页 |
·本文结构安排 | 第17-19页 |
第二章 优化参数修正ADABOOST 算法的人脸检测 | 第19-37页 |
·预备知识 | 第19-20页 |
·ADABOOST 算法原理及泛化性能分析 | 第20-23页 |
·AdaBoost 算法的原理 | 第20-22页 |
·AdaBoost 算法的泛化性能分析 | 第22-23页 |
·基于ADABOOST算法的人脸检测 | 第23-29页 |
·Haar 型特征及积分图像 | 第24-25页 |
·AdaBoost 算法的训练过程 | 第25-28页 |
·级联分类器的使用与设计 | 第28-29页 |
·级联分类器的使用 | 第28页 |
·级联分类器的设计 | 第28-29页 |
·优化后的ADABOOST 人脸检测算法 | 第29-32页 |
·改进样本权值参数 | 第30页 |
·改进弱分类器权值参数 | 第30-32页 |
·实验结果 | 第32-36页 |
·Adaboost 算法抽取的特征 | 第33页 |
·人脸检测结果 | 第33-36页 |
·本章小结 | 第36-37页 |
第三章 基于全局特征的FISHERFACE 方法 | 第37-49页 |
·基本概念 | 第37-41页 |
·特征提取 | 第37-38页 |
·相似性度量 | 第38-40页 |
·最近邻判别决策的基本思想 | 第40-41页 |
·主成分分析的原理 | 第41-45页 |
·K-L 变换 | 第42-44页 |
·奇异值分解定理 | 第44-45页 |
·FISHER 线性鉴别分析 | 第45-47页 |
·基于全局特征FISHERFACES 方法的实现 | 第47-48页 |
·本章小结 | 第48-49页 |
第四章 融合全局特征和局部特征的FISHERFACE 方法 | 第49-56页 |
·局部特征的提取和子空间的构建 | 第49-50页 |
·确定各子区域识别权值 | 第50-52页 |
·局部特征的融合 | 第52页 |
·基于模糊数学的全局特征和局部特征融合 | 第52-54页 |
·特征融合的必要性 | 第52-53页 |
·基于模糊综合的融合算法 | 第53-54页 |
·实验结果 | 第54-55页 |
·本章小结 | 第55-56页 |
第五章 总结和展望 | 第56-58页 |
·总结 | 第56-57页 |
·展望 | 第57-58页 |
参考文献 | 第58-62页 |
攻读学位期间公开发表的论文 | 第62-63页 |
致谢 | 第63-64页 |
详细摘要 | 第64-66页 |