基于Adaboost的人脸检测与识别算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 人脸识别的研究背景和意义 | 第9页 |
| 1.2 人脸识别的概念和应用 | 第9-10页 |
| 1.3 人脸识别的发展 | 第10-11页 |
| 1.4 Adaboost集成学习 | 第11-12页 |
| 1.5 本文的工作概述 | 第12-14页 |
| 第二章 人脸识别经典算法研究 | 第14-32页 |
| 2.1 主成分分析PCA | 第14-18页 |
| 2.1.1 PCA算法原理 | 第14-15页 |
| 2.1.2 PCA人脸识别流程 | 第15-18页 |
| 2.2 线性鉴别分析LDA | 第18-20页 |
| 2.2.1 LDA算法原理 | 第19-20页 |
| 2.2.2 LDA人脸识别流程 | 第20页 |
| 2.3 独立成分分析ICA | 第20-24页 |
| 2.3.1 ICA线性模型 | 第21-22页 |
| 2.3.2 FastICA算法原理及步骤 | 第22-23页 |
| 2.3.3 ICA人脸识别过程 | 第23-24页 |
| 2.4 三种算法在人脸识别上的应用 | 第24-26页 |
| 2.4.1 PCA人脸识别 | 第24页 |
| 2.4.2 LDA人脸识别 | 第24-25页 |
| 2.4.3 ICA人脸识别 | 第25-26页 |
| 2.5 实验分析 | 第26-31页 |
| 2.5.1 ORL人脸库上的实验 | 第26-29页 |
| 2.5.2 FERET、UMIST人脸库上的实验 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 Adaboost算法 | 第32-38页 |
| 3.1 Boosting算法背景 | 第32-33页 |
| 3.2 Adaboost算法原理 | 第33-34页 |
| 3.3 Adaboost算法的理论分析 | 第34-37页 |
| 3.3.1 训练误差 | 第34-36页 |
| 3.3.2 泛化误差 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 Adaboost人脸检测算法的应用 | 第38-54页 |
| 4.1 检测特征及计算方法 | 第38-43页 |
| 4.1.1 haar特征 | 第38-40页 |
| 4.1.2 积分图像 | 第40-43页 |
| 4.2 Adaboost算法的训练过程和检测过程 | 第43-47页 |
| 4.2.1 训练过程 | 第43-46页 |
| 4.2.2 检测过程 | 第46-47页 |
| 4.3 人脸检测实验及结果分析 | 第47-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 Adaboost在人脸识别中的应用及改进 | 第54-75页 |
| 5.1 Adaboost.M1算法 | 第54-63页 |
| 5.1.1 Adaboost.M1算法原理 | 第54-56页 |
| 5.1.2 实验分析 | 第56-63页 |
| 5.2 Adaboost.M1改进算法 | 第63-74页 |
| 5.2.1 改进算法原理 | 第63-65页 |
| 5.2.2 实验分析 | 第65-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 结论 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
