鲁棒的人脸识别方法研究
| 第一章 引言 | 第1-26页 |
| 1．1 人脸识别研究的重要意义 | 第12-13页 |
| 1．2 人脸识别研究的主要内容和困难 | 第13-14页 |
| 1．3 复杂背景上的人脸检测 | 第14-15页 |
| 1．4 人脸特征检测 | 第15-20页 |
| 1．4．1 特征点检测 | 第16-18页 |
| 1．4．2 结构特征的获取 | 第18-20页 |
| 1．5 自动人脸识别 | 第20-23页 |
| 1．5．1 基于特征点度量的人像识别 | 第20-21页 |
| 1．5．2 基于模式匹配的人脸识别 | 第21-22页 |
| 1．5．3 基于代数特征的人脸识别 | 第22-23页 |
| 1．5．4 基于人工神经网络的人脸识别 | 第23页 |
| 1．6 鲁棒的人脸识别方法研究 | 第23-24页 |
| 1．7 本论文的主要工作和贡献 | 第24-26页 |
| 第二章 多线索自适应人脸特征检测 | 第26-50页 |
| 2．1 概述 | 第26-27页 |
| 2．2 图像空间中的人脸特征检测 | 第27-35页 |
| 2．2．1 基本原理 | 第28页 |
| 2．2．2 阈值分割 | 第28-29页 |
| 2．2．3 瞳孔检测 | 第29-31页 |
| 2．2．4 嘴角检测 | 第31-32页 |
| 2．2．5 鼻孔和鼻尖检测 | 第32-33页 |
| 2．2．6 人脸特征检测实验设计 | 第33页 |
| 2．2．7 实验结果和结论 | 第33-35页 |
| 2．3 代数空间中的人脸特征检测 | 第35-41页 |
| 2．3．1 图像空间特征检测方法的缺点 | 第35页 |
| 2．3．2 眼部的几何校准 | 第35-36页 |
| 2．3．3 眼睛的主分量描述 | 第36-37页 |
| 2．3．4 人眼的表示和度量 | 第37-38页 |
| 2．3．5 特征检测 | 第38-39页 |
| 2．3．6 实验结果和结论 | 第39-41页 |
| 2．4 活动图像中的人脸特征检测 | 第41-48页 |
| 2．4．1 单幅图像特征检测所面临的困难 | 第41页 |
| 2．4．2 运动平滑性约束在人脸特征检测中的应用 | 第41-42页 |
| 2．4．3 平面运动估计在人脸特征检测中的应用 | 第42-43页 |
| 2．4．4 活动图像中人脸特征检测的原理 | 第43-45页 |
| 2．4．5 实验结果和结论 | 第45-48页 |
| 2．5 和现有方法的比较结果 | 第48-49页 |
| 2．6 小结 | 第49-50页 |
| 第三章 人脸姿态估计 | 第50-63页 |
| 3．1 基于特征点的旋转姿态估计 | 第50-55页 |
| 3．1．1 概述 | 第50-51页 |
| 3．1．2 图像平面上的姿态归一化 | 第51-52页 |
| 3．1．3 水平旋转姿态估计 | 第52-53页 |
| 3．1．4 实验结果和结论 | 第53-55页 |
| 3．2 基于投影几何的三维姿态估计 | 第55-57页 |
| 3．2．1 概述 | 第55页 |
| 3．2．2 采用统计特征距离的三维姿态估计 | 第55-57页 |
| 3．2．3 采用统计特征距离比例的三维姿态估计 | 第57页 |
| 3．3 基于主分量分析的姿态分类 | 第57-62页 |
| 3．3．1 概述 | 第57-59页 |
| 3．3．2 姿态子空间的建立 | 第59-60页 |
| 3．3．3 姿态分类 | 第60-62页 |
| 3．4 小结 | 第62-63页 |
| 第四章 复杂环境下的人脸检测 | 第63-78页 |
| 4．1 概述 | 第63页 |
| 4．2 基于颜色和特征的自适应人脸检测 | 第63-68页 |
| 4．2．1 肤色分割 | 第63-66页 |
| 4．2．2 人脸区域估计和验证 | 第66-67页 |
| 4．2．3 自适应策略 | 第67-68页 |
| 4．2．4 实验结果 | 第68页 |
| 4．3 基于立体视觉的人脸检测 | 第68-75页 |
| 4．3．1 基本原理 | 第68-69页 |
| 4．3．2 立体匹配 | 第69-72页 |
| 4．3．3 深度信息分析 | 第72页 |
| 4．3．4 脸部区域表示 | 第72-75页 |
| 4．4 基于人工神经网络和模板匹配的人脸检测 | 第75-77页 |
| 4．4．1 算法原理 | 第75页 |
| 4．4．2 基于模板匹配的人脸检测 | 第75-76页 |
| 4．4．3 利用人工神经网络对检测结果进行验证 | 第76-77页 |
| 4．5 小结 | 第77-78页 |
| 第五章 人脸识别 | 第78-94页 |
| 5．1 概述 | 第78-79页 |
| 5．2 多姿态人脸建模 | 第79-85页 |
| 5．2．1 三维模型和二维模型的选择 | 第79-80页 |
| 5．2．2 多视点多模板二维模型的定义 | 第80-82页 |
| 5．2．3 基于活动图像的多姿态自动建模 | 第82-85页 |
| 5．3 人脸的几何校准 | 第85-87页 |
| 5．3．1 概述 | 第85页 |
| 5．3．2 相似变换校准 | 第85-86页 |
| 5．3．3 仿射变换校准 | 第86-87页 |
| 5．4 可变姿态人脸识别 | 第87-91页 |
| 5．4．1 基于多视点模板匹配的方法 | 第88页 |
| 5．4．2 光照归一化 | 第88-89页 |
| 5．4．3 姿态归一化 | 第89页 |
| 5．4．4 模板匹配 | 第89-91页 |
| 5．5 实验结果 | 第91页 |
| 5．5．1 对测试图像的识别结果 | 第91页 |
| 5．5．2 对实拍图像的识别结果 | 第91页 |
| 5．6 人脸识别和讲话者识别相结合的身份验证 | 第91-92页 |
| 5．6．1 人脸识别和讲话者识别方法的融合原理 | 第91-92页 |
| 5．6．2 实验结果 | 第92页 |
| 5．7 小结 | 第92-94页 |
| 第六章 人脸分析系统TH-FAS简介 | 第94-102页 |
| 6．1 TH-FAS的系统组成 | 第94-95页 |
| 6．2 TH-FAS的主要功能 | 第95-99页 |
| 6．2．1 主要功能 | 第95-96页 |
| 6．2．2 操作界面 | 第96-99页 |
| 6．3 TH-FAS的软件实现 | 第99-102页 |
| 6．3．1 软件构成 | 第99-100页 |
| 6．3．2 数学处理模块 | 第100页 |
| 6．3．3 图像处理模块 | 第100页 |
| 6．3．4 人脸处理模块 | 第100-102页 |
| 第七章 结论 | 第102-104页 |
| 附录A 图像空间中人脸特征检测的实验结果 | 第104-105页 |
| 附录B 代数空间中人脸特征检测的实验结果 | 第105-106页 |
| 参考文献 | 第106-111页 |
| 个人简历 | 第111-112页 |
| 成果发表情况 | 第112-114页 |
| 致谢 | 第114页 |
