基于改进LBP算法的人脸识别方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.1.1 生物识别技术 | 第9-10页 |
| 1.1.2 生物识别过程 | 第10-11页 |
| 1.2 人脸识别技术简介 | 第11-14页 |
| 1.2.1 人脸识别技术国内外发展现状 | 第12-13页 |
| 1.2.2 人脸识别的难点和研究意义 | 第13-14页 |
| 1.3 人脸识别算法分类 | 第14-15页 |
| 1.4 本文的主要研究内容和章节安排 | 第15-17页 |
| 1.4.1 本文的主要研究内容 | 第15页 |
| 1.4.2 本文的组织安排 | 第15-17页 |
| 第二章 基于HAAR的人脸检测 | 第17-24页 |
| 2.1 Ada Boost人脸检测算法 | 第17-23页 |
| 2.1.1 HAAR特征 | 第17-18页 |
| 2.1.2 积分图 | 第18-20页 |
| 2.1.3 弱分类器 | 第20-21页 |
| 2.1.4 合成强分类器 | 第21-22页 |
| 2.1.5 级联分类器 | 第22-23页 |
| 2.2 人脸检测系统实验结果 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 人脸校正 | 第24-35页 |
| 3.1 基于角点检测的人眼区域的粗定位 | 第24-28页 |
| 3.1.1 角点检测算法概述 | 第25-26页 |
| 3.1.2 Harris角点检测算法 | 第26-27页 |
| 3.1.3 基于Harris的人眼区域粗定位 | 第27-28页 |
| 3.2 基于积分投影算法的人眼区域精确定位 | 第28-30页 |
| 3.3 人脸图像的人眼定位结果及分析 | 第30-31页 |
| 3.4 基于人眼坐标的人脸校正 | 第31-34页 |
| 3.4.1 人脸校正的过程 | 第31-32页 |
| 3.4.2 人脸校正的优势 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于改进LBP的人脸识别 | 第35-42页 |
| 4.1 LBP算法原理 | 第35-37页 |
| 4.1.1 基本的LBP算子 | 第35-36页 |
| 4.1.2 LBP算子的发展和演化 | 第36-37页 |
| 4.1.3 LBP算子的特点 | 第37页 |
| 4.2 基于先验知识的LBP算法改进 | 第37-39页 |
| 4.2.1 基于LBP的人脸特征提取 | 第37-38页 |
| 4.2.2 常用的LBP分块方法 | 第38页 |
| 4.2.3 基于先验知识的改进分块方法 | 第38-39页 |
| 4.3 普遍意义特征值的筛选 | 第39-40页 |
| 4.4 基于LBP直方图特征的相似度计算 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 实验结果和系统实现 | 第42-46页 |
| 5.1 测试人脸库 | 第42页 |
| 5.2 实验结果和分析 | 第42-43页 |
| 5.3 系统功能模块设计 | 第43页 |
| 5.4 系统实现 | 第43-45页 |
| 5.4.1 系统登录模块 | 第43-44页 |
| 5.4.2 用户管理模块 | 第44页 |
| 5.4.3 人脸识别模块 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 结论 | 第46-48页 |
| 6.1 本文总结 | 第46页 |
| 6.2 工作展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
