人脸检测与识别技术的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题研究背景 | 第9页 |
| ·相关概念 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·人脸识别技术面临的主要困难 | 第11-12页 |
| ·本文主要的研究内容以及创新点 | 第12页 |
| 第二章 人脸检测与识别技术 | 第12-26页 |
| ·人脸检测方法 | 第13-15页 |
| ·基于特征分析技术的人脸检测方法 | 第14页 |
| ·基于统计学习的人脸检测方法 | 第14-15页 |
| ·本文采用的检测方法——Adaboost | 第15页 |
| ·人脸识别方法 | 第15-24页 |
| ·常见识别方法 | 第16-17页 |
| ·本文采用的识别方法——Eigenface法 | 第17-24页 |
| ·人脸检测与识别技术的性能评估准则和难点 | 第24-25页 |
| ·检测率 | 第24页 |
| ·检测速度 | 第24-25页 |
| ·误检率 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 人脸跟踪技术 | 第26-29页 |
| ·常见的几种人脸跟踪算法 | 第26-27页 |
| ·区域匹配 | 第26-27页 |
| ·特征匹配 | 第27页 |
| ·模型匹配 | 第27页 |
| ·基于MEAN SHIFT算法的人脸跟踪方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 人脸跟踪识别系统的研究与构造 | 第29-44页 |
| ·改进人脸跟踪算法 | 第29-36页 |
| ·CamShift算法 | 第29-30页 |
| ·度量相似性 | 第30-31页 |
| ·CamShift算法目标定位 | 第31页 |
| ·自适应窗口 | 第31-32页 |
| ·基于卡尔曼(Kalman)过滤器的目标估计 | 第32-33页 |
| ·建立跟踪窗口及其管理 | 第33页 |
| ·多目标的序贯跟踪 | 第33-34页 |
| ·目标对应问题 | 第34-35页 |
| ·更新目标队列 | 第35页 |
| ·跟踪算法步骤 | 第35-36页 |
| ·识别算法改进 | 第36-43页 |
| ·分块PCA原理 | 第36-39页 |
| ·分块方法选择 | 第39-40页 |
| ·分块实验结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 人脸跟踪识别系统的实现及应用 | 第44-51页 |
| ·OPENCV简介及在本系统中的使用方法 | 第44-45页 |
| ·人脸跟踪识别系统的实现 | 第45-48页 |
| ·系统的可靠性 | 第48-49页 |
| ·应用实例 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| ·总结 | 第51页 |
| ·现实与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
