复杂背景下的人脸检测和识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景和动机 | 第9-11页 |
| ·现有对象提取技术 | 第11页 |
| ·本文研究目标 | 第11-13页 |
| 2 人脸检测技术 | 第13-18页 |
| ·人脸检测技术的国内外研究动态 | 第13-16页 |
| ·基于模板匹配的人脸检测方法 | 第13-14页 |
| ·基于面部重要特征的人脸检测方法 | 第14-15页 |
| ·基于统计的人脸检测方法 | 第15-16页 |
| ·基于肤色的人脸检测方法 | 第16页 |
| ·肤色和面部特征相结合的人脸检测方法 | 第16-18页 |
| 3 图像中人脸区域的定位技术研究 | 第18-29页 |
| ·色彩空间与色彩空间的聚类 | 第19-20页 |
| ·肤色模型的选择 | 第20-21页 |
| ·模糊集相关理论 | 第21-22页 |
| ·YCBCR颜色空间的获取 | 第22-25页 |
| ·肤色区域的处理 | 第25页 |
| ·人脸的初步定位 | 第25-27页 |
| ·处理示例图像 | 第27-29页 |
| 4 一种有效的分割算法:分合算法 | 第29-38页 |
| ·人脸识别中的图像分割 | 第29-30页 |
| ·分合算法描述 | 第30-34页 |
| ·分割算法 | 第32-33页 |
| ·合并算法 | 第33页 |
| ·相邻归并算法 | 第33-34页 |
| ·成组算法 | 第34页 |
| ·形状属性的计算 | 第34-38页 |
| 5 人脸特征提取技术及人脸的准确定位 | 第38-47页 |
| ·预处理 | 第38-42页 |
| ·图像对比度的增强 | 第38-40页 |
| ·二值化 | 第40-42页 |
| ·几何匹配算法 | 第42-45页 |
| ·特征提取与人脸定位总结 | 第45-47页 |
| 6 动态图像中的人脸检测初探 | 第47-57页 |
| ·图像序列中的运动对象提取 | 第47-48页 |
| ·基于变化检测的运动对象提取 | 第48-54页 |
| ·变化检测的基本概念 | 第48-49页 |
| ·视频中基于差分图像的粗定位技术 | 第49-50页 |
| ·基于变化检测的对象提取算法的通用框架 | 第50-54页 |
| ·基于跟踪的对象提取 | 第54-56页 |
| ·跟踪算法的分类 | 第54页 |
| ·不保证边缘精确性的跟踪提取 | 第54-55页 |
| ·保证边缘精确性的跟踪算法 | 第55-56页 |
| ·动态图像中的人脸检测总结 | 第56-57页 |
| 7 人脸识别中图像噪声去除方法的讨论 | 第57-64页 |
| ·常见除噪方法 | 第57-59页 |
| ·线性滤波 | 第57页 |
| ·中值滤波 | 第57-58页 |
| ·维纳滤波 | 第58-59页 |
| ·小波去除噪声基本原理 | 第59-63页 |
| ·小波分析基础 | 第59-60页 |
| ·小波变换的基本原理 | 第60-63页 |
| ·小波分析用于图像去噪 | 第63-64页 |
| 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
