基于PCA和SVM的中国多民族人脸识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·人脸识别技术的研究现状 | 第12-15页 |
| ·人脸识别系统框架 | 第12页 |
| ·人脸特征提取研究的现状 | 第12-13页 |
| ·人脸特征匹配的研究现状 | 第13-15页 |
| ·对少数民族人脸研究的现状 | 第15页 |
| ·少数民族人脸识别的研究现状 | 第15-16页 |
| ·少数民族人脸识别的应用 | 第16-18页 |
| ·本论文的研究内容及结构安排 | 第18-19页 |
| 第二章 中国多民族人脸数据库系统 | 第19-32页 |
| ·数据库系统的应用和意义 | 第19页 |
| ·典型人脸数据库 | 第19-21页 |
| ·中国少数民族人脸数据分布式采集系统 | 第21-24页 |
| ·采集系统整体结构 | 第21-23页 |
| ·多角度摄像头图像采集设计 | 第23页 |
| ·多光源分布设计 | 第23-24页 |
| ·被试者姿态、服饰和表情变化设计 | 第24页 |
| ·采集背景设计 | 第24页 |
| ·人脸图像采集系统设计 | 第24-27页 |
| ·人脸图像的预处理 | 第27-28页 |
| ·人脸数据库设计 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于PCA的人脸特征描述 | 第32-39页 |
| ·K-L变换的基本原理 | 第32-33页 |
| ·基于主成分分析(PCA)的特征提取原理 | 第33-35页 |
| ·图像特征表征 | 第35-37页 |
| ·特征脸结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 人脸图像的分类识别算法 | 第39-44页 |
| ·支持向量机(SVM)的基本原理 | 第39-41页 |
| ·线性可分情况下的SVM | 第39-40页 |
| ·线性不可分情况下的C-SVM | 第40-41页 |
| ·核函数情况下的SVM | 第41页 |
| ·基于支持向量机(SVM)的多分法(投票表决) | 第41-42页 |
| ·一对一投票策略 | 第42页 |
| ·一对多的最大响应策略 | 第42页 |
| ·一对一淘汰策略 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第五章 基于PCA和SVM少数民族的人脸识别系统 | 第44-48页 |
| ·系统的matlab实验设计与实现 | 第44页 |
| ·系统所用数据图片及运行环境 | 第44页 |
| ·采用的预处理方法,特征提取算法,人脸识别算法 | 第44页 |
| ·系统框架 | 第44-45页 |
| ·实验与结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结及展望 | 第48-51页 |
| ·工作总结 | 第48页 |
| ·研究展望 | 第48-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 读研期间参与的项目和发表的论文 | 第56页 |
