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

基于LBP统计特征的人脸识别方法研究

摘要第1-5页
Abstract第5-7页
目录第7-9页
第一章 绪论第9-16页
   ·课题背景和意义第9-10页
   ·国内外研究现状第10-13页
     ·人脸检测第11-12页
     ·人脸图像识别第12-13页
   ·本文主要研究工作第13-15页
   ·本文研究内容安排第15-16页
第二章 人脸图像分析技术常用方法第16-31页
   ·人脸检测常用方法第16-23页
     ·基于模板匹配的方法第17-19页
       ·基本模板匹配方法第17页
       ·可变模板匹配方法第17-18页
       ·基于镶嵌图的方法第18-19页
     ·基于特征的方法第19页
     ·基于支持向量机的方法第19-20页
     ·基于神经网络的方法第20-21页
     ·基于AdaBoost的快速人脸检测方法第21-23页
   ·人脸识别常用方法第23-30页
     ·基于特征脸的识别方法第24-25页
     ·弹性图匹配方法第25-26页
     ·基于几何特征的人脸识别方法第26-27页
     ·基于隐马尔可夫模型的方法第27-28页
     ·基于非线性数据降维的方法第28-29页
     ·基于多种分类器组合的方法第29-30页
   ·本章小结第30-31页
第三章 基于LBP算子和CCCD图分类器的人脸检测第31-43页
   ·图论的基本概念及定义第31-34页
   ·CCCD图以及CCCD图分类器第34-37页
     ·CCCD图概述第34-35页
     ·CCCD图分类器第35-37页
   ·LBP算子第37-38页
   ·主要算法实现流程介绍第38-40页
   ·实验结果以及分析第40-42页
   ·本章小结第42-43页
第四章 基于LBP特征和ISOMAP的人脸图像识别第43-52页
   ·引言第43-44页
   ·传统LBP算子与ε-LBP算子原理第44-48页
     ·LBP算子第44-46页
     ·基于ε-LBP算子的纹理特征提取第46-48页
   ·ISOMAP降维方法概述第48-49页
   ·实验结果以及分析第49-51页
   ·本章小结第51-52页
第五章 总结和展望第52-53页
参考文献第53-58页
致谢第58-59页
攻读学位期间发表的学术论文第59-60页
攻读硕士学位期间所参加的科研项目第60-61页

论文共61页,点击 下载论文
上一篇:基于半监督流形学习的人脸识别算法研究
下一篇:基于动态程序切片技术的测试用例自动生成研究