基于集成学习的人脸特征提取及识别应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 人脸识别发展历史及国内外研究现状 | 第11-13页 |
| 1.2.1 人脸识别发展历史 | 第11-12页 |
| 1.2.2 人脸识别国内外研究现状 | 第12-13页 |
| 1.3 人脸识别主要难点 | 第13-14页 |
| 1.4 本文主要研究内容及章节安排 | 第14-16页 |
| 1.4.1 主要研究内容 | 第14页 |
| 1.4.2 章节安排 | 第14-16页 |
| 第二章 人脸识别相关技术概述 | 第16-25页 |
| 2.1 人脸识别系统 | 第16-21页 |
| 2.1.1 图像预处理 | 第16-17页 |
| 2.1.2 主流人脸检测算法 | 第17-19页 |
| 2.1.3 主流人脸识别算法 | 第19-20页 |
| 2.1.4 常用人脸数据库 | 第20-21页 |
| 2.2 集成学习 | 第21-23页 |
| 2.2.1 基分类器的生成方法 | 第22页 |
| 2.2.2 集成学习结合策略 | 第22-23页 |
| 2.2.3 集成学习的作用 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 集成加速稳健特征的子空间人脸识别 | 第25-44页 |
| 3.1 SURF原理 | 第25-32页 |
| 3.1.1 SURF特征点检测 | 第25-32页 |
| 3.1.2 SURF特征点描述 | 第32页 |
| 3.2 改进的SURF | 第32-34页 |
| 3.3 全局PCA特征的提取识别原理 | 第34-38页 |
| 3.4 集成改进加速稳健特征的子空间人脸识别方法 | 第38-39页 |
| 3.5 实验过程及结果分析 | 第39-43页 |
| 3.5.1 特征点提取结果分析 | 第39-41页 |
| 3.5.2 识别结果分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 多特征集成的人脸识别 | 第44-55页 |
| 4.1 多特征集成的人脸识别原理 | 第44-50页 |
| 4.1.1 基于LBP的人脸识别算法 | 第44-47页 |
| 4.1.2 基于GIST的人脸识别算法 | 第47-48页 |
| 4.1.3 多特征集成原理 | 第48-50页 |
| 4.2 实验过程及结果分析 | 第50-54页 |
| 4.2.1 实验一 | 第51-52页 |
| 4.2.2 实验二 | 第52-53页 |
| 4.2.3 实验三 | 第53页 |
| 4.2.4 结论 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 集成深度学习的人脸识别 | 第55-74页 |
| 5.1 深度学习发展及概述 | 第55-60页 |
| 5.2 BP神经网络的原理 | 第60-64页 |
| 5.3 卷积神经网络(CNN)的原理 | 第64-67页 |
| 5.3.1 卷积层 | 第64-65页 |
| 5.3.2 池化层 | 第65-66页 |
| 5.3.3 SoftMax层 | 第66-67页 |
| 5.4 集成深度学习的人脸识别方法 | 第67-69页 |
| 5.5 实验过程及结果分析 | 第69-72页 |
| 5.5.1 实验一 | 第69-70页 |
| 5.5.2 实验二 | 第70-72页 |
| 5.6 本章小结 | 第72-74页 |
| 总结和展望 | 第74-76页 |
| 本文研究工作总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文目录 | 第80-81页 |
