基于LBP的人脸识别研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·人脸识别技术概述 | 第11-15页 |
| ·人脸识别研究现状 | 第11-13页 |
| ·人脸识别过程 | 第13-14页 |
| ·人脸数据库 | 第14-15页 |
| ·论文的研究内容与章节安排 | 第15-17页 |
| 2 AdaBoost 的人脸检测 | 第17-26页 |
| ·AdaBoost 的人脸检测算法原理 | 第17-24页 |
| ·Haar特征 | 第18页 |
| ·积分图 | 第18-21页 |
| ·弱分类器 | 第21页 |
| ·合成强分类器 | 第21-22页 |
| ·级联分类器 | 第22-24页 |
| ·人脸检测实验结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 LBP的人脸识别 | 第26-38页 |
| ·LBP算法原理 | 第26-29页 |
| ·基本的LBP算子 | 第26页 |
| ·LBP算子的发展和演化 | 第26-29页 |
| ·LBP算子的特点 | 第29页 |
| ·图像预处理 | 第29-31页 |
| ·基于LBP的人脸特征提取 | 第31-32页 |
| ·基于LBP直方图特征的相似度计算 | 第32-33页 |
| ·最近邻分类器 | 第33-34页 |
| ·实验结果与分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 LBP与SVM相结合的人脸识别 | 第38-49页 |
| ·分类器选择 | 第38-40页 |
| ·SVM的分类原理 | 第40-45页 |
| ·线性支持向量机 | 第40-42页 |
| ·非线性支持向量机 | 第42-44页 |
| ·多类支持向量机 | 第44-45页 |
| ·算法实现 | 第45-47页 |
| ·人脸数据库 | 第45页 |
| ·训练分类器模型 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 5 算法实现过程 | 第49-54页 |
| ·LBP程序实现 | 第49-51页 |
| ·LibSVM简介 | 第51-52页 |
| ·SVM分类器实现 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| ·本文总结 | 第54页 |
| ·工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
