基于全局与局部特征融合的人脸识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题研究的目的与意义 | 第10页 |
| ·人脸识别研究的主要内容和面临的困难 | 第10-12页 |
| ·人脸识别研究的内容 | 第10-11页 |
| ·人脸识别面临的困难 | 第11-12页 |
| ·人脸识别研究的历史和现状 | 第12-17页 |
| ·人脸识别研究的历史 | 第12-14页 |
| ·人脸识别研究的现状 | 第14-17页 |
| ·本论文的研究内容与工作安排 | 第17-19页 |
| 第二章 人脸检测技术研究 | 第19-31页 |
| ·人脸检测方法概述 | 第19-22页 |
| ·基于启发模型的方法 | 第19-20页 |
| ·基于肤色模型的方法 | 第20-21页 |
| ·基于统计和机器学习的方法 | 第21-22页 |
| ·Adaboost检测算法理论 | 第22-28页 |
| ·Haar-Like特征值的计算 | 第23-26页 |
| ·分类器的训练过程 | 第26-27页 |
| ·各分类器级联及人脸检测 | 第27-28页 |
| ·人脸检测实验结果展示 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于二维主成分分析的全局特征提取 | 第31-38页 |
| ·引言 | 第31页 |
| ·主成分分析及其在人脸识别中的应用 | 第31-34页 |
| ·主成分分析算法原理 | 第31-33页 |
| ·主成分分析在人脸识别中的应用 | 第33-34页 |
| ·二维主成分分析在人脸识别中的应用 | 第34-37页 |
| ·二维主成分分析算法原理 | 第34-36页 |
| ·二维主成分分析全局特征提取 | 第36页 |
| ·二维主成分分析特点分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于Gabor变换的局部特征提取 | 第38-58页 |
| ·引言 | 第38页 |
| ·Gabor小波变换的应用发展 | 第38-40页 |
| ·Gabor小波变换的定义 | 第40-44页 |
| ·一维Gabor小波 | 第40-41页 |
| ·二维Gabor小波 | 第41-42页 |
| ·二维Gabor滤波器组参数的选择 | 第42-44页 |
| ·基于Gabor变换的人脸特征提取 | 第44-47页 |
| ·Gabor变换人脸特征的分块和集成 | 第47-56页 |
| ·Gabor特征降维的一般方法 | 第47-48页 |
| ·Gabor特征分块方案A | 第48-53页 |
| ·Gabor特征分块方案B | 第53-56页 |
| ·结合均匀采样的Gabor图像分块与识别 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 融合全局与局部特征的人脸识别 | 第58-70页 |
| ·引言 | 第58-59页 |
| ·全局特征和局部特征的集成 | 第59-60页 |
| ·实验与分析 | 第60-69页 |
| ·系统运行环境与两种特征提取方法下系统构成 | 第61-63页 |
| ·基于Gabor变换的局部特征提取与识别实验分析 | 第63-67页 |
| ·全局与局部特征的融合实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
