基于稀疏表示的人脸识别软件系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-11页 |
| 1.3 人脸识别技术研究存在的困难 | 第11-13页 |
| 1.3.1 姿态变化 | 第11-12页 |
| 1.3.2 光照变化 | 第12-13页 |
| 1.3.3 表情变化 | 第13页 |
| 1.3.4 年龄变化 | 第13页 |
| 1.4 本文的主要研究内容及组织 | 第13-15页 |
| 1.4.1 本文的主要研究内容 | 第13-14页 |
| 1.4.2 本文的组织 | 第14-15页 |
| 第2章 图像中人脸区域的检测与重新定位 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 人脸检测方法综述 | 第15-17页 |
| 2.2.1 基于肤色模型的方法 | 第15页 |
| 2.2.2 基于模板的方法 | 第15-16页 |
| 2.2.3 基于统计理论的方法 | 第16-17页 |
| 2.3 本文所采用的人脸检测算法 | 第17-20页 |
| 2.3.1 Haar 特征提取 | 第17-19页 |
| 2.3.2 Adaboost 算法介绍 | 第19-20页 |
| 2.4 人脸重新定位 | 第20-22页 |
| 2.5 实验与结果分析 | 第22-26页 |
| 2.5.1 本文中实验所采用的人脸库 | 第22-23页 |
| 2.5.2 人脸重新定位实验及结果分析 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 人脸特征提取及融合 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 本文所采用的特征及特征融合 | 第27-35页 |
| 3.2.1 Gabor 特征提取 | 第27-29页 |
| 3.2.2 CLBP 算子提取纹理特征 | 第29-33页 |
| 3.2.3 特征融合及有效性分析 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于稀疏表示的人脸识别算法及系统实现 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 稀疏表示算法综述 | 第36-37页 |
| 4.3 本文所采用的稀疏表示算法及其改进 | 第37-40页 |
| 4.3.1 TPTSR 算法描述 | 第37-38页 |
| 4.3.2 改进的稀疏表示算法 | 第38-40页 |
| 4.4 人脸识别系统的实现 | 第40-41页 |
| 4.5 实验结果与分析 | 第41-48页 |
| 4.5.1 实验介绍 | 第41-42页 |
| 4.5.2 实验结果与分析 | 第42-48页 |
| 4.6 小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第56-58页 |
| 致谢 | 第58页 |
