人脸识别关键技术研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 人脸识别研究内容及研究现状 | 第10-14页 |
| 1.2.1 图像预处理 | 第10-11页 |
| 1.2.2 人脸检测 | 第11页 |
| 1.2.3 人脸对齐 | 第11-12页 |
| 1.2.4 人脸特征提取 | 第12-13页 |
| 1.2.5 人脸识别 | 第13-14页 |
| 1.3 论文主要工作及结构安排 | 第14-15页 |
| 第2章 人脸检测 | 第15-32页 |
| 2.1 特征介绍 | 第15-18页 |
| 2.1.1 Haar特征 | 第15-16页 |
| 2.1.2 LBP特征 | 第16-18页 |
| 2.2 基于Adaboost的人脸检测算法 | 第18-24页 |
| 2.2.1 积分图 | 第19-21页 |
| 2.2.2 级联分类器的训练 | 第21-24页 |
| 2.3 基于Adaboost改进的人脸检测算法 | 第24-28页 |
| 2.3.1 模板匹配算法 | 第24-26页 |
| 2.3.2 改进的检测算法流程 | 第26-28页 |
| 2.3.3 改进的检测算法的优势 | 第28页 |
| 2.4 实验与结果分析 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 人脸特征提取与降维 | 第32-39页 |
| 3.1 人脸特征点定位 | 第32-33页 |
| 3.2 高维特征的提取 | 第33-34页 |
| 3.3 改进的高维特征的提取 | 第34-36页 |
| 3.3.1 改进的细节 | 第34-35页 |
| 3.3.2 提取过程描述 | 第35-36页 |
| 3.4 高维特征降维 | 第36-38页 |
| 3.4.1 PCA降维原理 | 第37页 |
| 3.4.2 PCA算法流程 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 人脸识别 | 第39-49页 |
| 4.1 贝叶斯分类理论 | 第39-40页 |
| 4.1.1 贝叶斯定理 | 第39页 |
| 4.1.2 朴素贝叶斯分类 | 第39-40页 |
| 4.2 联合贝叶斯分类方法 | 第40-42页 |
| 4.3 人脸识别流程 | 第42-44页 |
| 4.3.1 人脸数据集 | 第42-43页 |
| 4.3.2 人脸识别流程 | 第43-44页 |
| 4.4 人脸识别策略 | 第44-48页 |
| 4.4.1 识别策略描述 | 第44-47页 |
| 4.4.2 策略优越性 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 人脸识别系统实验与结果分析 | 第49-55页 |
| 5.1 改进的高维特征人脸识别 | 第49-52页 |
| 5.1.1 测试工具及测试环境 | 第49页 |
| 5.1.2 数据集的选取 | 第49-50页 |
| 5.1.3 实验参数设置 | 第50页 |
| 5.1.4 实验结果 | 第50-52页 |
| 5.2 多对多人脸识别策略 | 第52-54页 |
| 5.2.1 实验参数设置 | 第52-53页 |
| 5.2.2 实验结果 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A (攻读学位期间所参与的科研项目) | 第62-63页 |
| 附录B (公示的专利) | 第63-64页 |
| 附录C (改进的高维特征提取算法关键代码) | 第64-72页 |
