光照波动环境下人脸识别算法研究及其安卓平台实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 人脸识别的研究背景和意义 | 第16-17页 |
| 1.2 人脸识别的研究内容与现状 | 第17-20页 |
| 1.3 人脸识别中的光照波动问题 | 第20-25页 |
| 1.4 光照波动问题国内外研究现状 | 第25-28页 |
| 1.5 本文研究的主要内容和章节安排 | 第28-30页 |
| 第二章 人脸图像光照环境处理 | 第30-42页 |
| 2.1 Retinex算法 | 第30-37页 |
| 2.1.1 单尺度Retinex算法 | 第31-34页 |
| 2.1.2 多尺度Retinex算法 | 第34-35页 |
| 2.1.3 McCann’s Retinex算法 | 第35-37页 |
| 2.2 自适应多尺度Retinex算法 | 第37-42页 |
| 2.2.1 算法的基本框架 | 第37-38页 |
| 2.2.2 算法实验结果分析 | 第38-42页 |
| 第三章 基于肤色模型的Adaboost人脸检测 | 第42-52页 |
| 3.1 人脸检测的基本原理 | 第42-43页 |
| 3.2 分类器训练算法 | 第43-48页 |
| 3.2.1 人脸图像的样本集 | 第43-44页 |
| 3.2.2 分类器特征的选取 | 第44-46页 |
| 3.2.3 分类器训练算法 | 第46-48页 |
| 3.3 人脸检测 | 第48-52页 |
| 3.3.1 肤色模型 | 第48-49页 |
| 3.3.2 人脸检测算法流程 | 第49-52页 |
| 第四章 基于LBP的人脸识别算法 | 第52-62页 |
| 4.1 基于LBP的人脸特征提取 | 第52-57页 |
| 4.1.1 LBP算法简介 | 第52-54页 |
| 4.1.2 LBP直方图特征相似度度量 | 第54-55页 |
| 4.1.3 LBP在人脸识别中的应用 | 第55-57页 |
| 4.2 CLBP理论 | 第57-58页 |
| 4.3 基于分块CLBP的人脸识别算法 | 第58-62页 |
| 4.3.1 算法描述 | 第58-59页 |
| 4.3.2 实验结果与分析 | 第59-62页 |
| 第五章 基于Android的人脸识别系统实现 | 第62-72页 |
| 5.1 开发环境搭建 | 第62页 |
| 5.2 系统概况 | 第62-63页 |
| 5.2.1 系统目标 | 第62页 |
| 5.2.2 系统的功能与特点 | 第62-63页 |
| 5.3 系统总体设计 | 第63页 |
| 5.4 系统实现过程 | 第63-67页 |
| 5.4.1 样本采集 | 第63-66页 |
| 5.4.2 人脸检测 | 第66页 |
| 5.4.3 人脸识别 | 第66-67页 |
| 5.5 系统运行结果与分析 | 第67-72页 |
| 5.5.1 系统运行的功能指标 | 第67-68页 |
| 5.5.2 系统运行的性能指标 | 第68-72页 |
| 第六章 结论和展望 | 第72-74页 |
| 6.1 研究结论 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
