基于迁移学习和特征融合的人脸识别算法的研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 人脸识别技术现状 | 第14-18页 |
| 1.2.1 人脸识别技术发展现状 | 第14-15页 |
| 1.2.2 特征提取技术研究现状 | 第15-16页 |
| 1.2.3 分类识别技术研究现状 | 第16-17页 |
| 1.2.4 基于神经网络的人脸识别技术现状 | 第17-18页 |
| 1.3 人脸识别技术的典型应用 | 第18-19页 |
| 1.4 论文的研究内容和组织结构 | 第19-20页 |
| 第二章 人脸识别算法概述 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 人脸特征提取方法 | 第20-22页 |
| 2.2.1 主成分分析法 | 第20-21页 |
| 2.2.2 局部二值模式 | 第21-22页 |
| 2.3 人脸识别分类方法 | 第22-23页 |
| 2.3.1 K近邻分类器 | 第22-23页 |
| 2.3.2 随机森林分类器 | 第23页 |
| 2.4 基于神经网络的人脸识别方法 | 第23-26页 |
| 2.4.1 卷积神经网络 | 第23-25页 |
| 2.4.2 深度置信网络 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于迁移学习和稀疏表示的人脸识别 | 第28-45页 |
| 3.1 稀疏表示模型 | 第28-31页 |
| 3.1.1 理论概述 | 第29页 |
| 3.1.2 基于稀疏表示模型的人脸识别 | 第29-31页 |
| 3.2 一种基于稀疏表示的迁移学习和权重融合模型 | 第31-36页 |
| 3.2.1 迁移学习 | 第31-32页 |
| 3.2.2 基于稀疏表示的迁移学习 | 第32-34页 |
| 3.2.3 权重融合方案的分类算法 | 第34-36页 |
| 3.3 实验设计与结果分析 | 第36-43页 |
| 3.3.1 实验设计 | 第36-38页 |
| 3.3.2 实验一:ORL数据库 | 第38-40页 |
| 3.3.3 实验二:FERET数据库 | 第40-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 基于特征融合的人脸识别 | 第45-53页 |
| 4.1 均值哈希特征提取 | 第45-47页 |
| 4.2 稀疏特征和均值哈希特征融合的人脸识别 | 第47-48页 |
| 4.3 实验设计与结果分析 | 第48-52页 |
| 4.3.1 实验设计 | 第48-49页 |
| 4.3.2 实验一:ORL数据库 | 第49-50页 |
| 4.3.3 实验二:FERET数据库 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
