基于PCA人脸识别的移动视觉应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究目标及内容 | 第13-16页 |
| 第2章 人脸识别相关技术与主要算法 | 第16-36页 |
| 2.1 人脸识别方法的一般过程 | 第16-18页 |
| 2.2 人脸识别中的人脸检测 | 第18-21页 |
| 2.2.1 基于先验知识的检测方法 | 第18-19页 |
| 2.2.2 基于特征的检测方法 | 第19页 |
| 2.2.3 基于模板的检测方法 | 第19页 |
| 2.2.4 基于学习模板的检测方法 | 第19-20页 |
| 2.2.5 基于Adaboost的方法 | 第20-21页 |
| 2.3 人脸识别中的特征提取 | 第21-30页 |
| 2.3.1 ASM人脸特征提取算法 | 第21-22页 |
| 2.3.2 线性鉴别分析法（LDA） | 第22-27页 |
| 2.3.3 Hough变换方法 | 第27-28页 |
| 2.3.4 奇异值分解 | 第28-30页 |
| 2.4 人脸识别中的匹配识别 | 第30-35页 |
| 2.4.1 基于几何特征的匹配识别方法 | 第31-32页 |
| 2.4.2 基于Fisher脸的识别方法 | 第32页 |
| 2.4.3 基于HMM的匹配识别方法 | 第32页 |
| 2.4.4 基于神经网络的匹配识别方法 | 第32-33页 |
| 2.4.5 基于支持向量机的分类匹配方法 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于PCA方法及基于信息分类的PCA方法 | 第36-46页 |
| 3.1 引言 | 第36页 |
| 3.2 PCA方法的原理 | 第36-42页 |
| 3.2.1 PCA与K-L变换 | 第37-39页 |
| 3.2.2 人脸识别中的PCA与K-L变换 | 第39-42页 |
| 3.3 基于信息分类的PCA方法 | 第42-45页 |
| 3.3.1 信息分类 | 第43-44页 |
| 3.3.2 人脸识别中参数的选择 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 人脸识别过程的分析与设计 | 第46-56页 |
| 4.1 实验目标 | 第46-47页 |
| 4.2 图像获取 | 第47页 |
| 4.3 基于Adaboost学习算法的人脸检测 | 第47-49页 |
| 4.4 基于UDP协议的图像传输 | 第49-50页 |
| 4.5 直方图均衡化的图像预处理 | 第50-53页 |
| 4.6 特征提取特征降维和匹配识别 | 第53-54页 |
| 4.7 基于信息分类的PCA方法的人脸识别 | 第54-55页 |
| 4.8 本章小结 | 第55-56页 |
| 第5章 测试与分析 | 第56-63页 |
| 5.1 性能测试 | 第56-59页 |
| 5.2 功能测试 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-66页 |
| 6.1 总结 | 第63-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
