第一章 绪论 | 第1-30页 |
·研究背景与意义 | 第13-14页 |
·人脸检测与识别研究的发展与现状 | 第14-16页 |
·视频序列人脸检测方法综述 | 第16-24页 |
·视频序列中运动目标分割方法综述 | 第16-18页 |
·人脸检测方法综述 | 第18-24页 |
·人脸识别方法综述 | 第24-27页 |
·论文主要研究内容 | 第27-29页 |
·论文研究内容 | 第27-29页 |
·论文的主要创新 | 第29页 |
·论文结构概要 | 第29-30页 |
第二章 视频序列人脸检测预处理 | 第30-46页 |
·引言 | 第30页 |
·马尔可夫随机场模型的基本概念 | 第30-36页 |
·点集和标记集 | 第30-31页 |
·邻域系定义 | 第31-32页 |
·马尔可夫随机场 | 第32-33页 |
·Gibbs随机场 | 第33-34页 |
·MRF与GRF之间的等价性 | 第34-35页 |
·MAP-MRF标记 | 第35-36页 |
·后验能量函数的优化算法 | 第36页 |
·基于马尔可夫随机场模型的运动目标分割 | 第36-42页 |
·马尔可夫随机场(MRF) | 第36-37页 |
·后验能量函数定义 | 第37-39页 |
·差分图像的高斯混合模型 | 第39-40页 |
·快速EM算法 | 第40-41页 |
·能量函数优化算法 | 第41-42页 |
·实验及其结果分析 | 第42-45页 |
·本章小结 | 第45-46页 |
第三章 基于形态学的人脸区域的初步检测 | 第46-57页 |
·引言 | 第46页 |
·二值形态学的基本运算 | 第46-48页 |
·灰度形态学 | 第48-53页 |
·灰度形态学理论基础 | 第48-49页 |
·灰度形态学基本变换 | 第49-52页 |
·灰度形态学梯度 | 第52页 |
·Top-Hat变换 | 第52-53页 |
·基于数学形态学的人脸初步检测 | 第53-56页 |
·区域分割 | 第53-55页 |
·人脸定位 | 第55-56页 |
·本章小结 | 第56-57页 |
第四章 基于支持向量机的人脸检测 | 第57-75页 |
·引言 | 第57页 |
·机器学习的基本问题 | 第57-59页 |
·学习问题的一般表示 | 第57-58页 |
·经验风险最小化 | 第58-59页 |
·复杂性与推广能力 | 第59页 |
·统计学习理论 | 第59-62页 |
·VC维 | 第60页 |
·推广性的界 | 第60-61页 |
·结构风险最小化 | 第61-62页 |
·支持向量机 | 第62-65页 |
·最优分类超平面 | 第62-64页 |
·非线性支持向量机 | 第64-65页 |
·基于支持向量机的人脸检测算法 | 第65-72页 |
·最优化理论基础 | 第66-69页 |
·支持向量机的学习算法 | 第69-70页 |
·改进算法 | 第70-72页 |
·实验与结果分析 | 第72-74页 |
·图像预处理 | 第72-73页 |
·人脸检测 | 第73-74页 |
·本章小结 | 第74-75页 |
第五章 基于提升小波变换和学习矢量量化网络的人脸识别 | 第75-94页 |
·引言 | 第75-76页 |
·二维小波变换原理 | 第76-81页 |
·小波变换的由来和作用 | 第76-79页 |
·二维小波变换与图像的小波分解和重构 | 第79-81页 |
·提升小波变换原理 | 第81-85页 |
·多项式拟合的预测算法 | 第83-85页 |
·自适应更新算法 | 第85页 |
·人工神经网络基础 | 第85-87页 |
·人工神经网络的分类 | 第86页 |
·神经网络的学习 | 第86-87页 |
·基于LVQ网络的多姿态人脸识别 | 第87-91页 |
·竞争神经网络基础 | 第87-88页 |
·LVQ网络模型 | 第88-89页 |
·LVQ网络学习规则 | 第89-91页 |
·实验与结果分析 | 第91-93页 |
·本章小结 | 第93-94页 |
第六章 总结与展望 | 第94-97页 |
·本文工作的总结 | 第94页 |
·本文主要研究成果 | 第94-95页 |
·进一步的工作与展望 | 第95-97页 |
参考文献 | 第97-111页 |
致谢 | 第111-112页 |
在学期间公开发表论文及其它科研成果 | 第112-113页 |
中文详细摘要 | 第113-124页 |