基于人脸识别的多视角安检追逃系统设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-15页 |
| 1.1 人脸识别的研究意义 | 第10页 |
| 1.2 人脸识别技术的发展及应用 | 第10-12页 |
| 1.3 人脸识别主要研究内容 | 第12-14页 |
| 1.4 本文研究内容和章节安排 | 第14-15页 |
| 2 基于肤色分割的人脸区域预定位 | 第15-23页 |
| 2.1 图像预处理 | 第15-18页 |
| 2.1.1 低通滤波 | 第15页 |
| 2.1.2 光照补偿 | 第15-18页 |
| 2.2 肤色建模与分割 | 第18-21页 |
| 2.2.1 统计直方图模型 | 第18页 |
| 2.2.2 高斯分布模型 | 第18-21页 |
| 2.3 人脸候选区域预定位 | 第21-22页 |
| 2.3.1 膨胀和腐蚀 | 第21页 |
| 2.3.2 人脸区域预定位 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 多视角人脸检测 | 第23-37页 |
| 3.1 AdaBoost算法 | 第23页 |
| 3.2 Haar-like特征和积分图像 | 第23-29页 |
| 3.2.1 Haar-like特征 | 第23-25页 |
| 3.2.2 积分图像 | 第25-29页 |
| 3.3 分类器 | 第29-32页 |
| 3.3.1 弱分类器 | 第29-30页 |
| 3.3.2 强分类器 | 第30-31页 |
| 3.3.3 级联分类器设计 | 第31-32页 |
| 3.4 多姿态人脸检测 | 第32-36页 |
| 3.4.1 基于多个神经网络的多姿态人脸检测方法 | 第32-33页 |
| 3.4.2 金字塔型分类器结构 | 第33-34页 |
| 3.4.3 多姿态人脸检测结构 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 多姿态人脸识别 | 第37-47页 |
| 4.1 人脸特征提取 | 第37-43页 |
| 4.1.1 PCA方法 | 第37-40页 |
| 4.1.2 LDA方法 | 第40-43页 |
| 4.2 PCA与LDA结合的人脸识别方法 | 第43-44页 |
| 4.3 基于多视图的多姿态人脸识别 | 第44-46页 |
| 4.3.1 建立多姿态人脸库 | 第45页 |
| 4.3.2 识别过程 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 系统设计与实现 | 第47-53页 |
| 5.1 系统需求 | 第47页 |
| 5.1.1 功能需求 | 第47页 |
| 5.1.2 环境需求 | 第47页 |
| 5.2 系统设计 | 第47-50页 |
| 5.2.1 系统概要设计及使用算法 | 第48页 |
| 5.2.2 系统各模块设计 | 第48-50页 |
| 5.3 系统测试 | 第50-53页 |
| 5.3.1 环境搭建及系统演示 | 第51-52页 |
| 5.3.2 系统运行参数设置 | 第52-53页 |
| 6 总结和展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 作者简历 | 第57-59页 |
| 学位论文数据集 | 第59页 |
