人脸图像年龄估计的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国外发展现状 | 第8-12页 |
| 1.3 国内研究动态 | 第12-18页 |
| 1.4 本文研究内容 | 第18-19页 |
| 1.5 本文组织结构 | 第19-20页 |
| 第2章 年龄估计研究问题阐述 | 第20-26页 |
| 2.1 年龄特征的提取 | 第20页 |
| 2.2 年龄估计的模式 | 第20-21页 |
| 2.3 年龄估计的评价标准 | 第21-22页 |
| 2.4 人脸年龄库 | 第22-23页 |
| 2.5 本文研究方法的提出 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 年龄特征的提取及研究 | 第26-44页 |
| 3.1 图像预处理过程 | 第26-31页 |
| 3.1.1 图像灰度化处理 | 第27-28页 |
| 3.1.2 图像旋转调整 | 第28-29页 |
| 3.1.3 人脸检测与图像裁剪 | 第29-31页 |
| 3.2 均匀LBP算法的分析与实现 | 第31-36页 |
| 3.2.1 LBP算法分析与实现 | 第31-33页 |
| 3.2.2 改进后的LBP算法分析与实现 | 第33-36页 |
| 3.3 Canny算法的实现与阈值选取的研究 | 第36-42页 |
| 3.3.1 Canny算法的分析与实现 | 第37-39页 |
| 3.3.2 阈值的选取与调整算法研究 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 特征值融合及数据降维算法的研究 | 第44-50页 |
| 4.1 直接特征融合算法的研究 | 第44-45页 |
| 4.2 加权特征融合算法的研究 | 第45-47页 |
| 4.3 数据降维算法的分析与实现 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验过程与数据分析 | 第50-58页 |
| 5.1 SVM分类器 | 第50-53页 |
| 5.2 实验设置 | 第53-54页 |
| 5.3 实验结果分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 系统实现及应用效果分析 | 第58-76页 |
| 6.1 系统描述 | 第58-59页 |
| 6.1.1 系统功能概述 | 第58页 |
| 6.1.2 系统性能要求 | 第58-59页 |
| 6.2 应用环境 | 第59-61页 |
| 6.2.1 硬件环境 | 第59-60页 |
| 6.2.2 软件环境 | 第60-61页 |
| 6.3 系统实现过程 | 第61-63页 |
| 6.4 应用效果分析 | 第63-74页 |
| 6.4.1 平台效果分析 | 第63-69页 |
| 6.4.2 对比效果分析 | 第69-71页 |
| 6.4.3 光照效果分析 | 第71-74页 |
| 6.5 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-84页 |
| 致谢 | 第84页 |
