融合流形学习的视频人脸性别识别系统的设计与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 人脸性别识别背景 | 第12页 |
| 1.2 人脸性别识别概述 | 第12-13页 |
| 1.3 人脸性别识别的发展历史和现状 | 第13-16页 |
| 1.3.1 特征提取算法的发展历史和现状 | 第13-15页 |
| 1.3.2 典型的性别分类方法 | 第15-16页 |
| 1.4 人脸性别识别在信息安全中的应用 | 第16-17页 |
| 1.5 本文主要工作 | 第17页 |
| 1.6 本论文的结构安排 | 第17-19页 |
| 第二章 视频人脸性别识别问题中的技术 | 第19-35页 |
| 2.1 视频建模(五种模型) | 第19-22页 |
| 2.1.1 矢量模型 | 第19页 |
| 2.1.2 矩阵模型 | 第19-20页 |
| 2.1.3 流形模型 | 第20-21页 |
| 2.1.4 概率密度模型 | 第21页 |
| 2.1.5 动态模型 | 第21-22页 |
| 2.2 主流的降维技术 | 第22-31页 |
| 2.2.1 非线性降维技术 | 第23-27页 |
| 2.2.2 线性降维技术 | 第27-31页 |
| 2.3 支持向量机 | 第31-34页 |
| 2.4 本章总结 | 第34-35页 |
| 第三章 视频人脸性别识别算法设计 | 第35-47页 |
| 3.1 基于Adaboost的人脸检测算法 | 第35-39页 |
| 3.1.1 Adaboost算法概述 | 第35-37页 |
| 3.1.2 基于Adboost的人脸检测算法 | 第37-38页 |
| 3.1.3 人脸检测实验分析 | 第38-39页 |
| 3.2 张量子空间分析 | 第39-42页 |
| 3.2.1 TSA算法简介 | 第39-41页 |
| 3.2.2 实验分析 | 第41-42页 |
| 3.3 本论文中所使用的识别算法VG-TSA | 第42-46页 |
| 3.3.1 本论文中使用算法与静态算法比较实验1 | 第44-45页 |
| 3.3.2 本论文中使用算法与静态算法比较实验2 | 第45-46页 |
| 3.3.3 实验总结 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 视频人脸性别识别系统的分析与设计 | 第47-59页 |
| 4.1 视频人脸性别识别系统的需求分析 | 第47-50页 |
| 4.1.1 任务概述 | 第47页 |
| 4.1.2 功能需求 | 第47-49页 |
| 4.1.3 数据流图 | 第49页 |
| 4.1.4 性能需求 | 第49-50页 |
| 4.1.5 运行需求 | 第50页 |
| 4.2 视频人脸性别识别系统的概要设计 | 第50-54页 |
| 4.2.1 总体设计 | 第50-51页 |
| 4.2.2 接口设计 | 第51页 |
| 4.2.3 系统结构设计 | 第51-53页 |
| 4.2.4 数据结构设计 | 第53-54页 |
| 4.3 视频人脸性别识别系统的详细设计 | 第54-58页 |
| 4.3.1 系统概述 | 第54页 |
| 4.3.2 数据流设计 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 视频人脸性别识别系统的实现与测试 | 第59-71页 |
| 5.1 视频人脸性别识别系统的实现 | 第59-64页 |
| 5.1.1 OpenCV简介 | 第59-60页 |
| 5.1.2 系统主界面 | 第60-61页 |
| 5.1.3 视频输入界面 | 第61-62页 |
| 5.1.4 静态图片输入界面 | 第62页 |
| 5.1.5 系统代码实现 | 第62-64页 |
| 5.2 视频人脸性别识别系统的测试 | 第64-70页 |
| 5.2.1 测试用例设计 | 第64页 |
| 5.2.2 测试环境与配置 | 第64页 |
| 5.2.3 测试结果及缺陷分析 | 第64-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 总结 | 第71-73页 |
| 6.1 本文的主要贡献 | 第71页 |
| 6.2 下一步工作 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻硕期间取得的研究成果 | 第78页 |
