首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

非限制条件下的人脸识别技术研究及其在盲人辅助中的应用

致谢第4-5页
摘要第5-6页
Abstract第6-7页
1 绪论第10-16页
    1.1 课题背景和研究意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 人脸检测研究现状第11-13页
            1.2.1.1 人脸检测的传统方法第12-13页
            1.2.1.2 人脸检测的深度学习方法第13页
        1.2.2 人脸识别研究现状第13-15页
            1.2.2.1 基于传统学习方法的人脸识别第14页
            1.2.2.2 基于深度学习的人脸识别第14-15页
        1.2.3 非限制条件下的人脸识别第15页
    1.3 本文主要研究内容和文章结构第15-16页
2 人脸检测和人脸识别相关的机器学习算法介绍第16-24页
    2.1 主成分分析第16-17页
    2.2 AdaBoost第17-19页
    2.3 人工神经网络第19-22页
    2.4 卷积神经网络第22-24页
3 非限制条件下的人脸识别算法第24-49页
    3.1 人脸跟踪和自动预分类第24-35页
        3.1.1 V-J算法原理介绍第25-28页
        3.1.2 基于色度信息和深度信息的跟踪第28-31页
            3.1.2.1 Mean Shift和Cam Shift跟踪算法第29-30页
            3.1.2.2 色度跟踪和深度跟踪的融合第30-31页
        3.1.3 基于人脸框位置的跟踪第31-34页
        3.1.4 人脸图像自动预分类第34-35页
    3.2 人脸矫正算法第35-41页
        3.2.1 ASM和AAM算法第35-38页
        3.2.2 基于人脸关键点检出和三维人脸模型的非正面人脸图像矫正第38-41页
            3.2.2.1 相机内参和外参第38-41页
            3.2.2.2 相机外参标定(3D-2D)第41页
            3.2.2.3 侧面人脸矫正到正面第41页
    3.3 人脸识别算法第41-47页
        3.3.1 基于Eigenface子空间的人脸识别第42-44页
        3.3.2 基于PCA降维和神经网络的人脸识别算法第44-46页
        3.3.3 基于卷积神经网络的人脸识别算法第46-47页
    3.4 多线程程序实现第47-49页
        3.4.1 各个线程的任务第48页
        3.4.2 线程间的同步第48-49页
4 实验结果及分析第49-57页
    4.1 人脸库的自动生成第49-52页
        4.1.1 连续视频流中单个人脸的跟踪第49-50页
        4.1.2 连续视频流中多个人脸的跟踪第50-52页
    4.2 人脸矫正第52页
    4.3 人脸识别和陌生人的判断第52-57页
5 总结和展望第57-58页
参考文献第58-61页
作者简介及硕士期间主要研究成果第61页

论文共61页,点击 下载论文
上一篇:核心稳定性训练对中海康城五年级学生体质影响的实验研究
下一篇:2016年澳大利亚网球公开赛张帅与其对手技战术对比分析