人脸检测与识别方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·课题来源和意义 | 第11-12页 |
| ·本文研究的方法和内容 | 第12-13页 |
| ·静态彩色图像的人脸检测 | 第13页 |
| ·基于神经网络的人脸识别 | 第13页 |
| ·本文的内容结构 | 第13-15页 |
| 第二章 人脸检测与识别的研究现状 | 第15-27页 |
| ·引言 | 第15-16页 |
| ·人脸检测的研究现状 | 第16-21页 |
| ·基于肤色模型的方法 | 第17页 |
| ·基于模板匹配的方法 | 第17-18页 |
| ·基于先验知识的方法 | 第18-19页 |
| ·基于特征脸的方法 | 第19页 |
| ·基于神经网络的方法 | 第19-20页 |
| ·基于支持向量机的方法 | 第20页 |
| ·基于积分图像特征法的方法 | 第20-21页 |
| ·基于概率模型的方法 | 第21页 |
| ·分析 | 第21页 |
| ·人脸特征提取的方法 | 第21-24页 |
| ·基于灰度的水平和垂直投影的方法 | 第21-22页 |
| ·基于主动曲线的方法 | 第22页 |
| ·基于变形模板匹配的方法 | 第22-23页 |
| ·基于神经网络的方法 | 第23页 |
| ·其他方法 | 第23页 |
| ·分析和结论 | 第23-24页 |
| ·人脸识别的研究现状 | 第24-26页 |
| ·基于几何特征的方法 | 第24-25页 |
| ·基于代数特征的方法 | 第25页 |
| ·基于连接机制的方法 | 第25-26页 |
| ·分析和结论 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 肤色检测与DCT特征提取 | 第27-40页 |
| ·引言 | 第27页 |
| ·肤色检测 | 第27-34页 |
| ·色彩系统 | 第27-29页 |
| ·光照补偿处理 | 第29-31页 |
| ·模型建立 | 第31-32页 |
| ·测试结果 | 第32-34页 |
| ·DCT特征提取 | 第34-38页 |
| ·DCT的定义 | 第34-36页 |
| ·DCT用于特征提取 | 第36-37页 |
| ·DCT特征提取效果 | 第37-38页 |
| ·小结 | 第38-40页 |
| 第四章 基于静态彩色图像的人脸检测 | 第40-54页 |
| ·引言 | 第40页 |
| ·色彩系统介绍 | 第40-42页 |
| ·RGB色彩系统 | 第41页 |
| ·YCrCb色彩系统 | 第41页 |
| ·HSV色彩系统 | 第41-42页 |
| ·人工神经网络的人脸检测 | 第42-47页 |
| ·人脸检测流程 | 第42-44页 |
| ·人脸验证模型 | 第44-45页 |
| ·神经网络训练算法 | 第45-46页 |
| ·人脸检测结果及分析 | 第46-47页 |
| ·程序框架设计及实现 | 第47-52页 |
| ·实现平台及环境 | 第47-48页 |
| ·框架设计方案 | 第48页 |
| ·部分关键代码分析 | 第48-51页 |
| ·演示结果 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第五章 基于人工神经网络的人脸识别 | 第54-62页 |
| ·引言 | 第54页 |
| ·纠错输出编码(ECOC) | 第54-56页 |
| ·ECOC特性分析 | 第55-56页 |
| ·基于ECOC的分类技术 | 第56页 |
| ·基于ANN的人脸识别 | 第56-61页 |
| ·二类分类器的设计 | 第57-58页 |
| ·人脸识别分类器的设计 | 第58-59页 |
| ·实验及结果分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻硕期间的研究成果 | 第69-70页 |
| 附录 | 第70-77页 |
