人脸自动识别中若干问题的研究
| 第一章 绪 论 | 第1-22页 |
| ·生物特征识别 | 第12-13页 |
| ·人脸识别 | 第13-17页 |
| ·人脸识别的研究内容 | 第14-15页 |
| ·人脸识别的优势与难点 | 第15-16页 |
| ·人脸识别的应用领域 | 第16-17页 |
| ·论文的研究内容 | 第17-22页 |
| ·论文总体思路 | 第17-19页 |
| ·主要研究内容 | 第19-22页 |
| 第二章 人脸检测和识别的基本理论 | 第22-35页 |
| ·人脸检测和识别算法 | 第22-31页 |
| ·基于可视特征的方法 | 第22-24页 |
| ·基于模板的方法 | 第24-26页 |
| ·基于代数特征的方法 | 第26-27页 |
| ·基于机器学习的方法 | 第27-31页 |
| ·人脸识别评价标准 | 第31-33页 |
| ·评价标准 | 第31-32页 |
| ·性能指标 | 第32-33页 |
| ·国内研究现状 | 第33-35页 |
| 第三章 基于颜色模型的人脸检测 | 第35-54页 |
| ·人脸颜色空间 | 第35-43页 |
| ·人脸颜色空间 | 第35-41页 |
| ·rgb颜色模型 | 第41-43页 |
| ·肤色区域分割 | 第43-45页 |
| ·人脸定位算法 | 第45-49页 |
| ·颜色模型自适应 | 第49-54页 |
| 第四章 基于级联分类器的人脸检测 | 第54-70页 |
| ·分类器结构 | 第54-59页 |
| ·分类器级联 | 第55-57页 |
| ·Boosting原理 | 第57-59页 |
| ·弱分类器设计 | 第59-63页 |
| ·矩形特征选取 | 第59-60页 |
| ·基于感知器的弱学习算法 | 第60-63页 |
| ·AdaBoost算法 | 第63-65页 |
| ·实验与讨论 | 第65-70页 |
| ·分类器参数选择 | 第65-67页 |
| ·分类器实现 | 第67-70页 |
| 第五章 人脸光照补偿方法 | 第70-83页 |
| ·光照对识别的影响 | 第70-71页 |
| ·相关研究工作 | 第71-72页 |
| ·基于小波的光照补偿方法 | 第72-76页 |
| ·二维小波分解与重建 | 第72-74页 |
| ·小波去除光照 | 第74-76页 |
| ·实验与测试 | 第76-83页 |
| ·实验数据库 | 第76-77页 |
| ·图像标准化 | 第77-79页 |
| ·实验结果 | 第79-83页 |
| 第六章 人脸特征提取与识别方法 | 第83-90页 |
| ·PCA特征提取 | 第83-87页 |
| ·人脸识别算法 | 第87-90页 |
| ·简单分类规则 | 第87页 |
| ·人脸识别算法 | 第87-90页 |
| 第七章 人像识别应用系统 | 第90-108页 |
| ·人像识别门禁系统 | 第90-100页 |
| ·项目背景 | 第90-91页 |
| ·系统结构 | 第91-95页 |
| ·软件实现 | 第95-97页 |
| ·系统工程设计 | 第97-100页 |
| ·嵌入式人像门锁 | 第100-104页 |
| ·项目背景 | 第100-102页 |
| ·系统设计 | 第102-103页 |
| ·技术关键 | 第103-104页 |
| ·其他领域的应用 | 第104-108页 |
| ·信息安全产品 | 第104-105页 |
| ·证件鉴别管理系统 | 第105-106页 |
| ·海量数据检索系统 | 第106-108页 |
| 第八章 三维人脸识别展望 | 第108-117页 |
| ·深度人脸识别 | 第108-109页 |
| ·人脸识别从二维到三维 | 第108页 |
| ·三维人脸识别的挑战 | 第108-109页 |
| ·三维人脸模型 | 第109-111页 |
| ·人脸建模方法 | 第109-110页 |
| ·三维人脸模型 | 第110-111页 |
| ·三维人脸识别的方法 | 第111-115页 |
| ·三维人脸重建 | 第111-112页 |
| ·三维头部跟踪 | 第112-114页 |
| ·三维人脸识别 | 第114页 |
| ·表情分析与合成 | 第114-115页 |
| ·结束语 | 第115-117页 |
| 致 谢 | 第117-118页 |
| 参 考 文 献 | 第118-125页 |
| 攻读博士期间的学术论文及科研成果 | 第125-133页 |
