基于AdaBoost和独立分量分析的人脸检测与识别算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-19页 |
| ·课题研究背景 | 第8-9页 |
| ·人脸检测与识别的研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·国内外研究进展 | 第11-13页 |
| ·人脸检测与定位方法 | 第13-15页 |
| ·人脸识别方法 | 第15-17页 |
| ·本文的主要工作及组织结构 | 第17-19页 |
| ·主要工作 | 第17页 |
| ·组织结构 | 第17-19页 |
| 2 人脸图像的预处理 | 第19-27页 |
| ·引言 | 第19页 |
| ·人脸检测预处理 | 第19-25页 |
| ·人脸的亮度补偿 | 第19-20页 |
| ·灰度化处理 | 第20-21页 |
| ·直方图均衡化 | 第21-23页 |
| ·人脸图像的去噪 | 第23-25页 |
| ·人脸识别的归一化预处理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于ADABOOST算法的人脸检测 | 第27-39页 |
| ·AdaBoost检测算法基本原理 | 第27-32页 |
| ·类Haar特征 | 第27-28页 |
| ·分类器训练 | 第28-29页 |
| ·算法描述 | 第29-32页 |
| ·小训练样本的人脸检测算法 | 第32-34页 |
| ·基于协方差的特征提取以及FDA弱分类器的实现 | 第32-33页 |
| ·AdaBoost构造多层分类器的实现 | 第33-34页 |
| ·实验及结果分析 | 第34-38页 |
| ·数据库的选择及参数设定 | 第34-36页 |
| ·实验结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于独立分量分析的人脸识别 | 第39-50页 |
| ·独立分量分析(ICA)的原理 | 第39-42页 |
| ·独立分量的基本概念 | 第39-40页 |
| ·拓扑独立分量 | 第40-42页 |
| ·基于ICA的人脸识别算法 | 第42-46页 |
| ·基于ICA的白化处理 | 第42-43页 |
| ·ICA算法进行人脸特征提取 | 第43-46页 |
| ·人脸图像的分类识别 | 第46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 5 本文总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55页 |
| 在学期间发表的学术论文与研究成果 | 第55页 |
