人脸实时跟踪与识别方法的研究
第一章 绪论 | 第1-21页 |
1.1 人脸跟踪及识别问题的提出 | 第10-12页 |
1.1.1 人脸识别及相关问题的定义 | 第10页 |
1.1.2 研究人脸跟踪及识别问题的意义 | 第10-11页 |
1.1.3 人脸跟踪及识别技术的难点 | 第11-12页 |
1.2 人脸识别技术综述 | 第12-17页 |
1.2.1 基于几何特征识别 | 第12-13页 |
1.2.2 基于代数特征识别 | 第13-16页 |
1.2.3 基于连接机制方法 | 第16-17页 |
1.2.4 多分类器组合方法 | 第17页 |
1.3 人脸跟踪技术研究 | 第17-19页 |
1.4 本论文的研究出发点 | 第19页 |
1.5 本课题的主要研究内容和工作安排 | 第19-21页 |
第二章 基于肤色的人脸检测 | 第21-32页 |
2.1 引言 | 第21页 |
2.2 肤色信息的利用 | 第21-22页 |
2.2.1 将肤色判断作为人脸检测的核心方法 | 第21页 |
2.2.2 将肤色判断为人脸检测的预处理 | 第21-22页 |
2.2.3 将肤色判断作为人脸检测的后期验证 | 第22页 |
2.3 本文基于肤色的人脸检测算法 | 第22页 |
2.4 光照补偿处理 | 第22-23页 |
2.5 检测肤色区域 | 第23-26页 |
2.5.1 主要的颜色空间 | 第23-24页 |
2.5.2 色彩空间的选择 | 第24页 |
2.5.3 人脸肤色模型 | 第24-25页 |
2.5.4 基于 YCbCr彩色空间的肤色分割 | 第25-26页 |
2.6 区域分割与归并 | 第26-30页 |
2.6.1 物体分割主要算法 | 第26页 |
2.6.2 本文所采用的区域分割与归并算法 | 第26-30页 |
2.7 基于肤色的人脸验证方法 | 第30-31页 |
2.8 算法性能评价 | 第31-32页 |
第三章 基于遗传粒子滤波的人脸跟踪 | 第32-46页 |
3.1 引言 | 第32页 |
3.2 粒子滤波理论 | 第32-37页 |
3.2.1 问题描述 | 第32-33页 |
3.2.2 贝叶斯滤波原理 | 第33-34页 |
3.2.3 蒙特卡洛方法 | 第34-36页 |
3.2.4 蒙特卡罗粒子滤波算法描述 | 第36-37页 |
3.3 遗传粒子滤波算法的提出 | 第37-38页 |
3.4 遗传算法 | 第38-39页 |
3.5 遗传粒子滤波 | 第39-42页 |
3.5.1 交叉操作 | 第39页 |
3.5.2 变异操作 | 第39-40页 |
3.5.3 与传统滤波器比较 | 第40-41页 |
3.5.4 动态模型 | 第41页 |
3.5.5 观测模型 | 第41页 |
3.5.6 人脸跟踪算法描述 | 第41-42页 |
3.6 实验结果 | 第42-45页 |
3.6.1 人脸左右旋转跟踪 | 第42-43页 |
3.6.2 相似物干扰下的人脸跟踪 | 第43页 |
3.6.3 部分遮挡 | 第43-44页 |
3.6.4 来回摆动 | 第44-45页 |
3.7 比较与总结 | 第45-46页 |
第四章 人脸的识别 | 第46-64页 |
4.1 引言 | 第46页 |
4.2 隐马尔可夫模型介绍 | 第46-47页 |
4.3 隐马尔可夫的三个假定 | 第47-48页 |
4.4 隐马尔可夫模型的基本问题 | 第48-53页 |
4.4.1 估价问题 | 第48-51页 |
4.4.2 解码问题和 Viterbi算法 | 第51页 |
4.4.3 训练问题 | 第51-53页 |
4.5 基于 HMM的人脸识别过程 | 第53-58页 |
4.5.1 HMM人脸识别基本框架 | 第53页 |
4.5.2 人脸 HMM模型 | 第53-54页 |
4.5.3 采样块的生成 | 第54-55页 |
4.5.4 特征提取 | 第55-56页 |
4.5.5 HMM建模训练及人脸识别工作流程 | 第56-57页 |
4.5.6 HMM训练的流程图与人脸识别流程图 | 第57-58页 |
4.6 人脸实时跟踪识别系统 | 第58-64页 |
4.6.1 系统结构 | 第58-59页 |
4.6.2 人脸识别及实验结果 | 第59-63页 |
4.6.3 系统评估 | 第63-64页 |
第五章 全文总结 | 第64-66页 |
5.1 结论 | 第64页 |
5.2 存在的问题与展望 | 第64-66页 |
参考文献 | 第66-71页 |
致谢 | 第71-72页 |
攻读硕士学位期间公开发表的文章 | 第72页 |