基于学习的人脸识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 图索引 | 第11-14页 |
| 表索引 | 第14-15页 |
| 第一章 绪论 | 第15-37页 |
| ·引言 | 第15页 |
| ·生物特征识别 | 第15-18页 |
| ·人脸识别 | 第18-32页 |
| ·人脸检测研究现状 | 第19-24页 |
| ·人脸识别研究现状 | 第24-31页 |
| ·人脸识别相关资源 | 第31-32页 |
| ·论文的主要工作 | 第32-37页 |
| ·论文的研究成果 | 第32-34页 |
| ·论文组织结构 | 第34-37页 |
| 第二章 基于肤色特征和减法聚类的人脸检测 | 第37-67页 |
| ·引言 | 第37页 |
| ·肤色检测颜色模型 | 第37-39页 |
| ·归一化的RGB颜色模型 | 第37-38页 |
| ·HSV颜色模型 | 第38-39页 |
| ·基于高斯分布的单人脸检测 | 第39-49页 |
| ·人脸肤色模型 | 第41页 |
| ·二值图像积分投影 | 第41-43页 |
| ·投影曲线和高斯函数 | 第43-44页 |
| ·参数确定与边界求解 | 第44-47页 |
| ·算法小结 | 第47页 |
| ·阶段实验 | 第47-49页 |
| ·基于改进减法聚类的多人脸检测 | 第49-61页 |
| ·山峰聚类 | 第50-52页 |
| ·减法聚类 | 第52-53页 |
| ·人脸检测中的改进减法聚类 | 第53-56页 |
| ·减少聚类数据 | 第56-57页 |
| ·多人脸检测小结 | 第57-58页 |
| ·阶段实验 | 第58-61页 |
| ·减法聚类的视频运动目标定位 | 第61-65页 |
| ·Highway定位实验 | 第61-62页 |
| ·减法聚类与区域生长法比较 | 第62-64页 |
| ·抗噪性实验 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第三章 基于姿态校正的人脸检测 | 第67-77页 |
| ·引言 | 第67页 |
| ·人脸检测 | 第67-72页 |
| ·算法概述 | 第67页 |
| ·肤色模型 | 第67-69页 |
| ·人脸区域提取及姿态估计 | 第69-72页 |
| ·人脸验证 | 第72-74页 |
| ·眼睛区域提取 | 第73页 |
| ·嘴唇区域提取 | 第73-74页 |
| ·实验结果及分析 | 第74-76页 |
| ·姿态估计 | 第74-75页 |
| ·人脸检测 | 第75-76页 |
| ·本章小节 | 第76-77页 |
| 第四章 基于流形学习的人脸识别 | 第77-99页 |
| ·引言 | 第77-78页 |
| ·流形学习算法概述 | 第78-84页 |
| ·LLE算法 | 第79-80页 |
| ·Isomap算法 | 第80-82页 |
| ·Laplacian Eigenmap | 第82-83页 |
| ·流形学习算法小结 | 第83-84页 |
| ·中心近邻嵌入 | 第84-90页 |
| ·构造邻接图 | 第84-85页 |
| ·选择权系数 | 第85-86页 |
| ·CNE映射 | 第86-87页 |
| ·实验结果及分析 | 第87-90页 |
| ·鉴别矢量角嵌入 | 第90-96页 |
| ·构造邻接图 | 第90-91页 |
| ·选择权系数 | 第91-92页 |
| ·低维嵌入 | 第92-94页 |
| ·分类器设计 | 第94页 |
| ·实验结果与分析 | 第94-96页 |
| ·几种人脸识别方法比较 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 第五章 基于正交补空间的人脸识别 | 第99-107页 |
| ·引言 | 第99页 |
| ·基于正交补空间的人脸识别 | 第99-102页 |
| ·人脸样本正交化 | 第99-100页 |
| ·正交补计算 | 第100-101页 |
| ·分类器设计 | 第101-102页 |
| ·实验结果及分析 | 第102-105页 |
| ·人脸样本正交分解 | 第102页 |
| ·Yale库实验 | 第102-104页 |
| ·AT&T库实验 | 第104-105页 |
| ·结论 | 第105-107页 |
| 第六章 切割子模块的单样本人脸识别 | 第107-121页 |
| ·引言 | 第107-108页 |
| ·单样本人脸识别 | 第108-110页 |
| ·单样本研究背景 | 第108-109页 |
| ·单样本研究意义 | 第109-110页 |
| ·单样本人脸识别方法 | 第110-113页 |
| ·(PC)~2A方法 | 第110-112页 |
| ·E(PC)~2A)方法 | 第112-113页 |
| ·单样本子模块主成分分析 | 第113-116页 |
| ·子模块主成分分析 | 第114-115页 |
| ·子模块主成分计算及特征提取 | 第115-116页 |
| ·子模块分类器 | 第116页 |
| ·实验结果及分析 | 第116-119页 |
| ·本章小节 | 第119-121页 |
| 第七章 工作总结和展望 | 第121-123页 |
| ·论文工作总结 | 第121-122页 |
| ·展望 | 第122-123页 |
| 参考文献 | 第123-131页 |
| 致谢 | 第131-133页 |
| 作者简历及在学期间所取得的科研成果 | 第133-135页 |
