基于改进BP神经网络算法的唇读算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外进展 | 第10页 |
| 1.4 论文结构 | 第10-12页 |
| 第二章 唇部检测算法理论基础 | 第12-18页 |
| 2.1 人脸检测 | 第12-14页 |
| 2.2 人脸识别 | 第14-16页 |
| 2.3 唇部检测方法比较 | 第16-17页 |
| 2.4 小结 | 第17-18页 |
| 第三章 嘴唇的检测与特征提取 | 第18-28页 |
| 3.1 基本流程 | 第18页 |
| 3.2 算法介绍 | 第18-25页 |
| 3.2.1 YCbCr 颜色空间 | 第18-19页 |
| 3.2.2 支持向量机理论 | 第19-22页 |
| 3.2.3 边缘检测 | 第22-24页 |
| 3.2.4 曲线拟合 | 第24-25页 |
| 3.3 唇部的提取 | 第25-27页 |
| 3.4 小结 | 第27-28页 |
| 第四章 基于口形特征的静态图像聚类算法 | 第28-34页 |
| 4.1 基于 K-means 算法的动态聚类算法 | 第28-32页 |
| 4.1.1 聚类算法基本概念 | 第28-29页 |
| 4.1.2 聚类算法分类 | 第29页 |
| 4.1.3 K-means 聚类算法 | 第29-30页 |
| 4.1.4 动态聚类算法步骤 | 第30-32页 |
| 4.2 聚类效果与结果分析 | 第32-33页 |
| 4.3 小结 | 第33-34页 |
| 第五章 基于改进的神经网络唇读识别技术 | 第34-47页 |
| 5.1 人工神经网络介绍 | 第34-36页 |
| 5.2 改进的 BP 神经网络算法 | 第36-42页 |
| 5.2.1 传统的 BP 神经网络及其局限性 | 第37-39页 |
| 5.2.2 改进的 BP 神经网络 | 第39-42页 |
| 5.3 基于 BP 网络的唇读识别 | 第42-43页 |
| 5.3.1 口型分类 | 第42页 |
| 5.3.2 BP 网络设计 | 第42-43页 |
| 5.4 实验结果 | 第43-46页 |
| 5.5 总结 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者简介及在学期间所取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |
