人脸检测和识别系统研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景及课题来源 | 第11页 |
| ·人脸检测研究的背景和意义 | 第11-13页 |
| ·人脸检测研究的国内外动态 | 第13-14页 |
| ·人脸识别研究的背景和意义 | 第14-15页 |
| ·人脸识别国内外相关研究动态 | 第15-18页 |
| ·人脸检测与人脸识别的关系 | 第18-20页 |
| 第二章 人脸检测和识别的主要方法及研究进展 | 第20-32页 |
| ·人脸检测的主要方法及进展 | 第20-26页 |
| ·肤色区域分割方法 | 第20-21页 |
| ·基于模板匹配法 | 第21页 |
| ·基于启发式模型法 | 第21-22页 |
| ·基于统计模型法 | 第22-25页 |
| ·基于特征空间的方法 | 第22-23页 |
| ·基于神经网络的方法 | 第23页 |
| ·基于概率模型的方法 | 第23-24页 |
| ·基于支持向量机的方法 | 第24-25页 |
| ·基于统计模型方法的总结 | 第25-26页 |
| ·人脸识别的主要方法及进展 | 第26-31页 |
| ·基于几何特征的方法 | 第26-28页 |
| ·基于代数特征的方法 | 第28-30页 |
| ·基于连接机制的方法 | 第30页 |
| ·其它方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 一种高速人脸图像分割算法 | 第32-53页 |
| ·国内外研究现状 | 第33-35页 |
| ·图像分割的主要方法 | 第35-47页 |
| ·基于直方图阈值的分割方法 | 第35-36页 |
| ·基于图像域的分割方法 | 第36-39页 |
| ·采用分裂-合并策略的分割算法 | 第36-37页 |
| ·区域生长法 | 第37-39页 |
| ·基于边缘检测的分割技术 | 第39-40页 |
| ·基于神经网络的分割方法 | 第40-41页 |
| ·基于统计学习模型的分割方法 | 第41-47页 |
| ·基于图像缝隙测量的一种高速图像分割算法 | 第47-52页 |
| ·本文中的相关定义 | 第47-48页 |
| ·图像的膨胀和腐蚀 | 第48-49页 |
| ·算法原理及实现步骤 | 第49-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于均值漂移的人脸检测和跟踪方法 | 第53-62页 |
| ·基于变化检测的运动对象提取 | 第53-54页 |
| ·均值漂移算法概述 | 第54-57页 |
| ·加权直方图的方法 | 第57-59页 |
| ·形状约束模型 | 第59-60页 |
| ·本算法的实现步骤 | 第60页 |
| ·实验结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于核独立成分分析的人脸识别方法 | 第62-67页 |
| ·独立成分分析方法的基本理论 | 第62-63页 |
| ·核独立成分分析的基本理论 | 第63-65页 |
| ·基于核广义方差的KICA算法 | 第65页 |
| ·实验结果及分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文主要研究成果 | 第67-68页 |
| ·未来工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间所发表的论文 | 第76页 |
