首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸检测若干关键技术研究

摘要第1-7页
Abstract第7-12页
第1章 绪论第12-29页
   ·课题研究的目的意义第12页
   ·国内外研究现状第12-25页
     ·人脸检测方法分类及评价指标第13-16页
     ·经典人脸检测算法第16-19页
     ·当前人脸检测研究进展第19-25页
   ·有算法存在的问题与不足第25-26页
   ·研究内容第26-27页
   ·论文结构第27-29页
第2章 图像去噪与肤色分割预处理第29-51页
   ·引言第29-30页
   ·利用EMD的自适应图像去噪处理第30-38页
     ·Hilbert-Huang变换及EMD算法第31-33页
     ·基于EMD的去噪算法及其不足第33-35页
     ·利用EMD的自适应图像去噪算法第35-38页
   ·基于肤色相似度和动态阈值的肤色分割算法第38-43页
     ·色彩空间转换第39-40页
     ·肤色相似度计算第40-41页
     ·动态阈值的确定第41-43页
     ·肤色区域分割与形态学后处理第43页
   ·实验结果与分析第43-50页
     ·图像去噪实验第43-47页
     ·肤色分割实验第47-50页
   ·本章小结第50-51页
第3章 基于SA-AdaBoostSVM算法的正面人脸检测研究第51-69页
   ·引言第51页
   ·AdaBoost人脸检测算法第51-55页
     ·Haar-like特征第52页
     ·AdaBoost算法第52-54页
     ·级联结构第54-55页
   ·SA-AdaBoostSVM算法第55-61页
     ·AdaBoostSVM算法及其不足第55-56页
     ·算法改进的策略与理论依据第56-59页
     ·SA-AdaBoostSVM算法描述第59-61页
   ·基于SA-AdaBoostSVM算法的正面人脸检测第61-63页
     ·正面人脸检测分类器的训练与测试流程第61-62页
     ·输入图像的正面人脸检测第62-63页
   ·实验结果与分析第63-68页
     ·SA-AdaBoostSVM算法的速度与性能验证第63-66页
     ·输入图像的正面人脸检测实验第66-68页
   ·本章小结第68-69页
第4章 基于多特征融合与改进的决策树级联结构的多姿态人脸检测第69-86页
   ·引言第69-70页
   ·多特征的引入与改进第70-74页
     ·三角积分特征第71-72页
     ·基于形态学梯度的边缘方位场特征第72-74页
   ·基于多特征融合的SA-AdaBoostSVM算法第74-76页
   ·改进的决策树级联结构第76-80页
     ·多姿态人脸检测器级联结构第76-78页
     ·改进的决策树级联结构第78-79页
     ·多姿态人脸检测第79-80页
   ·实验结果与分析第80-85页
     ·多特征融合的SA-AdaBoostSVM算法的人脸检测实验第80-82页
     ·改进的决策树级联结构实验第82-83页
     ·本文方法的多姿态人脸检测速度与性能验证第83-85页
   ·本章小结第85-86页
第5章 基于组件距离匹配度函数的部分遮挡人脸检测第86-96页
   ·引言第86页
   ·部分遮挡人脸检测算法的总体描述第86-88页
   ·基于SA-AdaBoostSVM算法的各组件检测第88-89页
   ·基于组件匹配度函数的组件整合验证算法第89-92页
     ·组件距离匹配度函数及相关概念定义第89-90页
     ·组件整合分组算法第90-91页
     ·组件验证算法第91页
     ·遮挡组件估计与人脸定位检测第91-92页
   ·实验结果与分析第92-95页
   ·本章小结第95-96页
结论第96-98页
参考文献第98-110页
攻读博士学位期间发表的论文第110-112页
致谢第112页

论文共112页,点击 下载论文
上一篇:基于流形学习子空间的人脸识别方法研究
下一篇:基于统计学习的词义识别方法研究