人脸标定与开集识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·研究背景与课题来源 | 第9-10页 |
| ·人脸识别问题描述 | 第10-11页 |
| ·人脸图像识别技术的发展与应用 | 第11-14页 |
| ·人脸图像识别技术的发展 | 第11-12页 |
| ·现有人脸识别商用系统 | 第12-13页 |
| ·公共人脸图像数据库 | 第13-14页 |
| ·人脸标定与开集识别 | 第14-19页 |
| ·研究意义 | 第14-16页 |
| ·算法概述 | 第16-19页 |
| ·本文工作概述和结构安排 | 第19-21页 |
| ·本文工作概述 | 第19-20页 |
| ·结构安排 | 第20-21页 |
| 第二章 复杂背景下的多角度人脸检测 | 第21-40页 |
| ·问题的提出 | 第21-23页 |
| ·ADABOOST 人脸检测算法 | 第23-30页 |
| ·Haar 特征 | 第24-25页 |
| ·积分图（Integral Image） | 第25-26页 |
| ·强分类器 | 第26-28页 |
| ·Cascade 级联检测器 | 第28-30页 |
| ·基于角度估计的多角度人脸检测 | 第30-36页 |
| ·平面内旋转 | 第31-33页 |
| ·平面外旋转 | 第33-34页 |
| ·旋转角度预估计 | 第34-36页 |
| ·实验与分析 | 第36-40页 |
| ·实验样本库 | 第36-37页 |
| ·分类器训练 | 第37页 |
| ·静态图片测试 | 第37-38页 |
| ·实时多角度人脸检测模块 | 第38-40页 |
| 第三章 基于LPC-ASM 的人脸特征标定 | 第40-59页 |
| ·问题的提出 | 第40-41页 |
| ·主动形状模型（ASM） | 第41-48页 |
| ·形状模型 | 第42-44页 |
| ·局部纹理建模与搜索 | 第44-46页 |
| ·ASM 目标搜索过程 | 第46-47页 |
| ·多分辨率搜索 | 第47-48页 |
| ·局部轮廓约束的主动形状模型 | 第48-51页 |
| ·局部轮廓约束 | 第48-50页 |
| ·全变分模型 | 第50-51页 |
| ·实验与分析 | 第51-57页 |
| ·实验样本库 | 第51-52页 |
| ·性能评价方法 | 第52-53页 |
| ·模型初始定位 | 第53-55页 |
| ·改进前后算法比较 | 第55-57页 |
| ·准实时的面部特征标定演示模块 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第四章 基于Adaboost 的开集识别算法 | 第59-79页 |
| ·问题的提出 | 第59-65页 |
| ·人脸识别中的开集与闭集 | 第59-62页 |
| ·开集识别问题的难点 | 第62-64页 |
| ·Adaboost 算法的启示 | 第64-65页 |
| ·相关工作介绍 | 第65-69页 |
| ·人脸图像的Gabor 小波表述 | 第65-67页 |
| ·Adaboost 算法在人脸识别中的应用 | 第67-69页 |
| ·基于ADABOOST 方法的开集人脸识别 | 第69-73页 |
| ·Adaboost 算法对正负样本的倾向性 | 第69-70页 |
| ·几何变换 | 第70-72页 |
| ·在线识别的加速策略 | 第72-73页 |
| ·实验与分析 | 第73-77页 |
| ·几何变换有效性的实验证明 | 第73-75页 |
| ·开集下的算法测试 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第五章 总结与展望 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 作者在攻读硕士学位期间发表和完成的论文 | 第88-89页 |
| 上海交通大学硕士学位论文答辩决议书 | 第89-91页 |
