人脸图像检测识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·传统人脸检测方法综述 | 第8-11页 |
| ·传统人脸识别方法综述 | 第11-15页 |
| ·机器学习算法 | 第15-16页 |
| ·本论文研究的主要内容与结构 | 第16-18页 |
| 2 基于AdaBoost 算法的人脸检测 | 第18-39页 |
| ·ADABOOST 算法概述 | 第18页 |
| ·ADABOOST 方法进行人脸检测 | 第18-19页 |
| ·训练过程 | 第19-22页 |
| ·弱分类器的选择 | 第22-25页 |
| ·瀑布式层叠分类器的构建 | 第25-27页 |
| ·改进的瀑布式层叠分类器算法 | 第27-31页 |
| ·过学习问题 | 第31-33页 |
| ·引入旋转特征以后的状态变化 | 第33页 |
| ·检测过程 | 第33-35页 |
| ·数据库训练结果 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 3 人脸检测的后处理验证方法 | 第39-44页 |
| ·颜色空间 | 第39页 |
| ·人脸检测的后验证流程 | 第39-40页 |
| ·基于肤色分割的候选区域确认 | 第40-41页 |
| ·基于图像方差的候选区域确认 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 人脸特征提取 | 第44-55页 |
| ·SVD 分解提取特征降维 | 第44-46页 |
| ·GABOR 小波提取特征 | 第46-48页 |
| ·寻找最优的GABOR 特征集合 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于支持向量机的人脸识别 | 第55-66页 |
| ·SVM 基本原理 | 第55-58页 |
| ·支持向量机的特点和关键需要解决的问题 | 第58-59页 |
| ·多类支持向量机算法研究 | 第59页 |
| ·SVM 用于人脸识别 | 第59-60页 |
| ·数码照片下的实验结果 | 第60-63页 |
| ·视频条件下的人脸识别 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 6 基于人脸检测识别系统实现方案 | 第66-68页 |
| 7 总结 | 第68-70页 |
| ·本文所做的主要工作 | 第68-69页 |
| ·有待进一步研究的问题 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录1 攻读硕士学位期间发表的论文目录 | 第76页 |
