人脸识别系统的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 人脸识别的研究现状 | 第9-10页 |
| 1.2.1 国内研究现状 | 第9页 |
| 1.2.2 国外研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-12页 |
| 第2章 人脸检测与图像处理 | 第12-26页 |
| 2.1 人脸识别的流程 | 第12-14页 |
| 2.1.1 人脸识别的流程 | 第12-13页 |
| 2.1.2 人脸识别的测试平台 | 第13-14页 |
| 2.2 人脸检测的方法 | 第14-17页 |
| 2.2.1 基于知识的人脸检测 | 第14-16页 |
| 2.2.2 基于特征的方法 | 第16页 |
| 2.2.3 基于模板匹配的方法 | 第16-17页 |
| 2.2.4 基于学习的方法 | 第17页 |
| 2.3 基于肤色特征的人脸检测 | 第17-21页 |
| 2.3.1 色彩空间的选择 | 第18-20页 |
| 2.3.2 肤色的分割 | 第20页 |
| 2.3.3 去噪处理 | 第20-21页 |
| 2.3.4 人脸检测的实验结果 | 第21页 |
| 2.4 图像预处理 | 第21-24页 |
| 2.4.1 图像去噪 | 第21-23页 |
| 2.4.2 直方图均衡化 | 第23页 |
| 2.4.3 归一化处理 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 人脸图像的特征提取 | 第26-38页 |
| 3.1 边缘检测算法 | 第26-31页 |
| 3.1.1 一阶微分算子的边缘检测 | 第26-27页 |
| 3.1.2 二阶微分算子的边缘检测 | 第27-29页 |
| 3.1.3 边缘检测算法的实验结果 | 第29-31页 |
| 3.2 特征提取 | 第31-35页 |
| 3.2.1 特征形状的描述方法 | 第31-32页 |
| 3.2.2 几何特征提取 | 第32页 |
| 3.2.3 主成分分析法 | 第32-35页 |
| 3.3 人脸图像的分类识别方法 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 BP神经网络 | 第38-52页 |
| 4.1 人工神经网络简介 | 第38-39页 |
| 4.1.1 ANN的特点和优越性 | 第38页 |
| 4.1.2 ANN的分类 | 第38-39页 |
| 4.2 BP神经网络 | 第39-43页 |
| 4.3 BP神经网络的优缺点 | 第43-44页 |
| 4.3.1 BP神经网络的优点 | 第43页 |
| 4.3.2 BP神经网络的缺点 | 第43-44页 |
| 4.4 BP神经网络的学习训练过程 | 第44-45页 |
| 4.5 特征提取加BP神经网络训练 | 第45-49页 |
| 4.5.1 边缘检测+BP神经网络训练 | 第45-47页 |
| 4.5.2 PCA+BP神经网络 | 第47-49页 |
| 4.6 BP网络神经的改进 | 第49-51页 |
| 4.6.1 BP神经网络训练 | 第49-50页 |
| 4.6.2 BP网络的设计 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 人脸识别系统的实现 | 第52-60页 |
| 5.1 系统开发环境 | 第52页 |
| 5.2 系统各模块的设计 | 第52-56页 |
| 5.2.1 人脸识别模块 | 第53-55页 |
| 5.2.2 人脸管理模块 | 第55-56页 |
| 5.3 系统的测试结果 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
