人脸检测与识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外研究与发展现状 | 第8-9页 |
| ·国内研究与发展现状 | 第8页 |
| ·国外研究与发展现状 | 第8-9页 |
| ·人脸识别流程 | 第9-10页 |
| ·人脸识别系统的评价 | 第10-11页 |
| ·本文的主要内容及文章结构 | 第11-13页 |
| ·本文的主要工作 | 第11页 |
| ·论文的章节安排 | 第11-13页 |
| 第二章 人脸检测与定位 | 第13-29页 |
| ·对于人脸检测基本方法的介绍与对比 | 第13-14页 |
| ·基于肤色的人脸检测方法 | 第14-26页 |
| ·人脸检测算法流程 | 第14-15页 |
| ·常用的色彩空间介绍 | 第15-20页 |
| ·色彩空间的比较结果 | 第20页 |
| ·肤色模型的建立及肤色的提取 | 第20-22页 |
| ·肤色提取图像的滤波处理 | 第22-23页 |
| ·基于边缘检测的肤色区域分割 | 第23-25页 |
| ·人脸区域分割及最后人脸区域确定 | 第25-26页 |
| ·实验结果及分析 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 人脸图像预处理 | 第29-37页 |
| ·几何归一化 | 第29-32页 |
| ·人脸脸颊左右边界的确定 | 第29-31页 |
| ·脸部特征垂直位置的标定 | 第31页 |
| ·人脸图像的裁剪与缩放 | 第31-32页 |
| ·人脸图像几何归一化结果 | 第32页 |
| ·人脸图像的灰度归一化 | 第32-36页 |
| ·直方图均衡化 | 第32-33页 |
| ·图像变换增强 | 第33-34页 |
| ·锐化滤波 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 人脸识别的特征提取与分类器设计 | 第37-59页 |
| ·人脸特征提取 | 第37-46页 |
| ·基于主成分分析算法(PCA)的人脸特征提取 | 第38-42页 |
| ·PCA算法基本原理 | 第38-39页 |
| ·奇异值分解(SVD)定理 | 第39-40页 |
| ·PCA人脸特征提取 | 第40-42页 |
| ·基于小波分析的人脸特征提取 | 第42-46页 |
| ·人脸图像二维小波分解 | 第42-45页 |
| ·基于小波变换的方向矩阵(DMFE)特征提取 | 第45-46页 |
| ·分类器设计 | 第46-52页 |
| ·支持向量机 | 第47-51页 |
| ·支持向量机常用的核函数 | 第51-52页 |
| ·实验结果及分析 | 第52-57页 |
| ·基于PCA的人脸识别算法 | 第53-54页 |
| ·训练样本数目对识别率的影响 | 第53页 |
| ·采用不同生成矩阵的识别率比较 | 第53-54页 |
| ·基于小波分析的人脸识别算法 | 第54-56页 |
| ·实验结果比较 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
