视频流中的人脸认证技术的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-13页 |
| 1.1 人脸识别技术的应用背景 | 第11-12页 |
| 1.2 本文的主要研究内容和结构安排 | 第12-13页 |
| 1.2.1 主要研究内容 | 第12页 |
| 1.2.2 结构安排 | 第12-13页 |
| 第二章 人脸认证技术综述 | 第13-19页 |
| 2.1 人脸检测技术综述 | 第13-16页 |
| 2.1.1 模板匹配 | 第13-14页 |
| 2.1.2 基于器官特征的方法 | 第14页 |
| 2.1.3 示例学习 | 第14页 |
| 2.1.4 神经网络 | 第14-15页 |
| 2.1.5 基于隐马尔可夫模型的方法 | 第15页 |
| 2.1.6 基于AdaBoost 的方法 | 第15页 |
| 2.1.7 频域中的特征提取 | 第15-16页 |
| 2.1.8 多模态信息融合 | 第16页 |
| 2.2 人脸识别技术综述 | 第16-19页 |
| 2.2.1 基于几何特征的人脸识别方法 | 第16-17页 |
| 2.2.2 基于特征脸的人脸识别方法 | 第17页 |
| 2.2.3 基于局部特征的人脸识别方法 | 第17页 |
| 2.2.4 基于小波特征的弹性匹配方法 | 第17-18页 |
| 2.2.5 基于神经网络的人脸识别方法 | 第18-19页 |
| 第三章 人脸检测算法 | 第19-31页 |
| 3.1 级联分类器 | 第19-20页 |
| 3.2 强分类器 | 第20-21页 |
| 3.3 弱分类器 | 第21-23页 |
| 3.4 类Haar 特征 | 第23-25页 |
| 3.5 积分图 | 第25-26页 |
| 3.6 平方积分图 | 第26-27页 |
| 3.7 人脸检测过程 | 第27-30页 |
| 3.8 本章小结 | 第30-31页 |
| 第四章 人脸认证算法的研究 | 第31-39页 |
| 4.1 特征抽取 | 第31-36页 |
| 4.1.1 LDA 算法原理 | 第31-32页 |
| 4.1.2 LDA 算法遇到的问题 | 第32-33页 |
| 4.1.3 基于LDA 算法的改进 | 第33-34页 |
| 4.1.4 R-LDA 算法 | 第34-36页 |
| 4.2 竞争反样本 | 第36-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 结合RFID 的人脸认证系统的实现 | 第39-52页 |
| 5.1 整体系统框架 | 第39-42页 |
| 5.2 人脸检测模块的实现 | 第42-44页 |
| 5.2.1 检测系统设计 | 第42-43页 |
| 5.2.2 训练系统设计 | 第43-44页 |
| 5.3 人脸认证模块的实现 | 第44-46页 |
| 5.3.1 训练部分结构 | 第45页 |
| 5.3.2 认证部分结构 | 第45-46页 |
| 5.4 数据输入模块的实现 | 第46-49页 |
| 5.4.1 视频流输入部分设计与实现 | 第46-47页 |
| 5.4.2 RFID 部分设计与实现 | 第47-49页 |
| 5.5 系统运行结果 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的论文和参与项目 | 第58页 |
