嵌入式系统上基于近红外图像的人脸识别研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-14页 |
| ·人脸识别的发展及分类 | 第14-16页 |
| ·主要工作和论文组织结构 | 第16-18页 |
| 第2章 相关研究工作 | 第18-36页 |
| ·人脸图像成像原理 | 第18-20页 |
| ·光谱分析 | 第18-19页 |
| ·人脸图像的成像模型 | 第19-20页 |
| ·人脸图像预处理 | 第20-24页 |
| ·图像的几何运算 | 第21-22页 |
| ·几何归一化 | 第22-23页 |
| ·图像增强 | 第23-24页 |
| ·常用人脸特征提取 | 第24-29页 |
| ·K-L变换 | 第25-26页 |
| ·Haar特征 | 第26-27页 |
| ·小波变换 | 第27-29页 |
| ·LBP特征 | 第29页 |
| ·人脸识别主流算法 | 第29-35页 |
| ·主成分分析 | 第30-31页 |
| ·判别分析 | 第31-33页 |
| ·支持向量机 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 本识别系统的方案 | 第36-52页 |
| ·人脸图像预处理 | 第36-38页 |
| ·局部二进制模式特征 | 第38-42页 |
| ·LBP算子的编码 | 第38-40页 |
| ·LBP直方图 | 第40-42页 |
| ·改进的LBP特征 | 第42-46页 |
| ·多尺度空间理论 | 第43-44页 |
| ·多尺度 LBP特征 | 第44-46页 |
| ·AdaBoost算法介绍 | 第46-51页 |
| ·AdaBoost强分类器的构建 | 第46-48页 |
| ·弱分类器的形式 | 第48-49页 |
| ·级联AdaBoost分类器的构建 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 人脸识别系统的设计 | 第52-60页 |
| ·系统目标 | 第52页 |
| ·硬件设计 | 第52-53页 |
| ·系统的数据流图 | 第53-56页 |
| ·系统的模块设计 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 人脸识别引擎的实现 | 第60-71页 |
| ·数据集 | 第60-61页 |
| ·实验环境说明 | 第61-62页 |
| ·实验内容和结果分析 | 第62-70页 |
| ·不同图像库中的收敛率的比较 | 第62-64页 |
| ·训练样本数目对训练样本分类错误率的影响 | 第64-65页 |
| ·训练样本数不同对测试样本的分类识别影响 | 第65-66页 |
| ·正/负样本的比例对识别的影响 | 第66-67页 |
| ·不同尺度下分类器的识别效果 | 第67-69页 |
| ·LDA与本文算法的比较 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·论文总结 | 第71-72页 |
| ·对进一步研究工作的展望 | 第72-73页 |
| 附录 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77页 |
