人脸识别算法的研究及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| CONTENTS | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| ·人脸识别问题描述 | 第12-13页 |
| ·研究意义 | 第13-16页 |
| ·人脸识别的优势和劣势 | 第16-17页 |
| ·本文的主要贡献 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第二章 支持向量机原理 | 第19-26页 |
| ·理论背景 | 第19-22页 |
| ·线性分类问题 | 第22-24页 |
| ·非线性分类问题 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于支持向量机的人脸检测 | 第26-36页 |
| ·研究动机 | 第26-27页 |
| ·人脸检测方法综述 | 第27-30页 |
| ·基于知识的方法 | 第27-28页 |
| ·基于特征的方法 | 第28-29页 |
| ·基于模版匹配的方法 | 第29-30页 |
| ·基于外观的方法 | 第30页 |
| ·支持向量机的训练与测试 | 第30-34页 |
| ·训练模块 | 第31-33页 |
| ·测试模块 | 第33-34页 |
| ·实验结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于gabor特征的人脸特征提取 | 第36-42页 |
| ·Gabor小波概述 | 第36-37页 |
| ·二维Gabor小波变换 | 第37-38页 |
| ·二维Gabor小波变换的参数 | 第38-40页 |
| ·人脸Gabor特征的表示 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第五章 基于支持向量机的人脸识别 | 第42-52页 |
| ·支持向量机训练算法 | 第42-44页 |
| ·块算法 | 第42-43页 |
| ·分解算法 | 第43页 |
| ·序贯最小优化算法 | 第43-44页 |
| ·多类分类 | 第44-47页 |
| ·多类支持向量机 | 第44-45页 |
| ·一对多分类器 | 第45页 |
| ·一对一分类 | 第45-46页 |
| ·层次分解的支持向量机二叉决策树 | 第46-47页 |
| ·人脸识别系统性能的评价 | 第47-48页 |
| ·实验结果和分析 | 第48-51页 |
| ·本文实验所用人脸库 | 第48-49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 本文工作总结 | 第52页 |
| 下一步工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |
