基于人脸图像的年龄估计方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-18页 |
| ·年龄特征表征 | 第11-15页 |
| ·年龄估计 | 第15-18页 |
| ·本文主要研究内容与技术路线 | 第18-20页 |
| ·本文主要工作 | 第18-19页 |
| ·本文工作贡献及创新 | 第19-20页 |
| ·本文结构安排 | 第20-21页 |
| 第二章 人脸图像预处理 | 第21-29页 |
| ·人脸数据库 | 第21-23页 |
| ·人脸检测 | 第23-26页 |
| ·类 Haar 特征 | 第23-25页 |
| ·Adaboost 分类器 | 第25-26页 |
| ·人脸图像增强 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 主动表观模型特征提取 | 第29-43页 |
| ·主成分分析 | 第29-31页 |
| ·主动表观模型 | 第31-39页 |
| ·统计形状模型 | 第32-35页 |
| ·统计纹理模型 | 第35-38页 |
| ·组合表观模型 | 第38-39页 |
| ·自动人脸拟合 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于局部纹理特征的主动表观模型 | 第43-57页 |
| ·LBP 算子概述 | 第43-50页 |
| ·LBP 算子 | 第43-46页 |
| ·LBP 算子的几种变形 | 第46-50页 |
| ·MLBP 算子概述 | 第50-52页 |
| ·基于局部纹理特征表述的主动表观模型 | 第52-55页 |
| ·基于 MLBP 特征纹理表示的主动表观模型 | 第53-55页 |
| ·小结 | 第55-57页 |
| 第五章 基于支持向量机的年龄估计 | 第57-81页 |
| ·支持向量机原理 | 第57-67页 |
| ·支持向量机分类 | 第57-62页 |
| ·支持向量机回归 | 第62-67页 |
| ·支持向量机参数求解 | 第67-70页 |
| ·序贯最小优化 | 第67-68页 |
| ·模型选择 | 第68-70页 |
| ·支持向量机年龄估计 | 第70-72页 |
| ·问题描述 | 第70页 |
| ·估计方法 | 第70-72页 |
| ·实验结果与分析 | 第72-80页 |
| ·人脸年龄估计评估准则 | 第72页 |
| ·年龄估计实验结果与分析 | 第72-80页 |
| ·小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·本文工作总结 | 第81-82页 |
| ·存在不足与展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
