基于统计方法的人脸识别算法研究与性能评估
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第9-14页 |
| ·本文的研究背景 | 第9-10页 |
| ·人脸识别技术的研究现状 | 第10-12页 |
| ·本文的主要内容介绍 | 第12-14页 |
| 第二章 人脸识别系统模块设计和系统性能评估指标 | 第14-23页 |
| ·人脸识别系统模块设计 | 第14-19页 |
| ·人脸识别系统模块设计 | 第14-16页 |
| ·瞳孔定位法脸像分割 | 第16-18页 |
| ·标准化人脸向量 | 第18-19页 |
| ·系统性能评估指标 | 第19-21页 |
| ·认证任务(Verification) | 第19-20页 |
| ·鉴別任务(identification) | 第20-21页 |
| ·人脸图像数据库介绍 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于统计的特征提取方法 | 第23-37页 |
| ·主成分分析方法人脸识别 | 第23-26页 |
| ·主成分分析方法原理 | 第23-24页 |
| ·主成分分析方法在人脸识别中的应用 | 第24-26页 |
| ·线性判别分析方法人脸识别 | 第26-29页 |
| ·线性判别分析方法原理 | 第26-27页 |
| ·类间离散度矩阵 | 第27-28页 |
| ·线性判别分析方法在人脸识别中的应用 | 第28-29页 |
| ·广义主成分分析方法人脸识别 | 第29-32页 |
| ·广义主成分分析原理 | 第30-31页 |
| ·广义主成分分析在人脸识别中的应用 | 第31-32页 |
| ·独立成分分析方法人脸识别 | 第32-36页 |
| ·独立成分分析原理 | 第32-33页 |
| ·极化峰值的ICA算法 | 第33-34页 |
| ·定点ICA算法 | 第34-36页 |
| ·ICA方法在人脸识别中的应用 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 特征提取方法和相似度匹配方法研究 | 第37-46页 |
| ·特征提取方法比较 | 第37-40页 |
| ·投影空间维数选取 | 第40-43页 |
| ·相似度匹配方法研究 | 第43-45页 |
| ·距离分类器定义 | 第43-44页 |
| ·相似度匹配方法 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 系统性能评估 | 第46-51页 |
| ·错误接受率和认证率的关系 | 第46-47页 |
| ·样本数目和认证率的关系 | 第47页 |
| ·鉴别率和误鉴别率的关系 | 第47-48页 |
| ·本章小结 | 第48-51页 |
| 结束语 | 第51-52页 |
| 致谢 | 第52-53页 |
| 作者攻读硕士期间发表的学术论文 | 第53-54页 |
| 参考文献 | 第54-55页 |
