基于子空间的人脸识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题研究背景及意义 | 第10页 |
| ·人脸识别研究的历史和现状 | 第10-12页 |
| ·人脸识别系统 | 第12-14页 |
| ·人脸识别算法 | 第14-17页 |
| ·子空间方法 | 第14-16页 |
| ·非子空间方法 | 第16-17页 |
| ·主要研究内容及章节安排 | 第17-19页 |
| 第二章 人脸检测和预处理 | 第19-36页 |
| ·引言 | 第19页 |
| ·人脸检测方法 | 第19-21页 |
| ·基于底层特征的人脸检测 | 第19-20页 |
| ·基于机器学习的人脸检测 | 第20-21页 |
| ·基于 Adaboost 方法的人脸检测 | 第21-28页 |
| ·Haar 特征 | 第22-23页 |
| ·Adaboost 算法训练 | 第23-26页 |
| ·基于 Adaboost 算法的人脸检测过程 | 第26-28页 |
| ·人脸的预处理算法 | 第28-33页 |
| ·几何归一化 | 第28-29页 |
| ·灰度归一化 | 第29-32页 |
| ·图像二值化 | 第32-33页 |
| ·人脸图像数据库 | 第33-36页 |
| 第三章 基于子空间的人脸识别混合算法 | 第36-53页 |
| ·引言 | 第36-37页 |
| ·PCA 人脸识别算法 | 第37-40页 |
| ·K-L 变换 | 第37-40页 |
| ·2DPCA 人脸识别算法 | 第40-43页 |
| ·2DPCA 的基本原理 | 第40-42页 |
| ·PCA 与 2DPCA 的比较 | 第42-43页 |
| ·细节增强 PCA 算法 | 第43-46页 |
| ·基于子空间的人脸识别混合算法 | 第46-53页 |
| ·线性判别分析法（LDA） | 第46-48页 |
| ·基于 PCA 和 LDA 的人脸识别 | 第48-51页 |
| ·基于 2DPCA 与 LDA 的人脸识别 | 第51-53页 |
| 第四章 实验设计与结果分析 | 第53-69页 |
| ·实验环境与数据库 | 第53-54页 |
| ·实验设计与结果分析 | 第54-68页 |
| ·ORL 数据库人脸识别实验 | 第54-60页 |
| ·YALE 数据库人脸识别实验 | 第60-66页 |
| ·识别时间比较 | 第66页 |
| ·新算法在自建人脸库上的检验 | 第66-68页 |
| ·实验结论 | 第68-69页 |
| 第五章 人脸识别系统设计 | 第69-76页 |
| ·系统开发和运行环境 | 第69页 |
| ·视频捕获 | 第69-70页 |
| ·采用的人脸检测和识别算法 | 第70页 |
| ·系统框架 | 第70-73页 |
| ·训练 | 第71页 |
| ·识别 | 第71-73页 |
| ·人脸识别系统测试 | 第73-75页 |
| ·系统测试结果 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
