基于稀疏编码的快速人脸识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 人脸识别技术的研究背景和意义 | 第9-11页 |
| 1.2 人脸识别技术的发展现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 2 人脸识别技术综述 | 第14-21页 |
| 2.1 人脸识别的流程 | 第14-16页 |
| 2.2 人脸识别的性能评价标准 | 第16-17页 |
| 2.2.1 人脸检测性能的指标 | 第16页 |
| 2.2.2 身份识别性能的指标 | 第16-17页 |
| 2.3 主要的人脸识别方法 | 第17-19页 |
| 2.3.1 基于人脸几何结构的方法 | 第17-18页 |
| 2.3.2 基于子空间特征的方法 | 第18-19页 |
| 2.4 目前基于稀疏编码人脸识别算法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 稀疏编码和极限学习机理论 | 第21-29页 |
| 3.1 稀疏编码 | 第21-25页 |
| 3.1.1 稀疏编码理论 | 第21-22页 |
| 3.1.2 稀疏编码算法的求解 | 第22-23页 |
| 3.1.3 稀疏编码的应用 | 第23-24页 |
| 3.1.4 目前稀疏编码算法存在的问题 | 第24-25页 |
| 3.2 极限学习机（ELM）理论 | 第25-28页 |
| 3.3 本章小结 | 第28-29页 |
| 4 基于稀疏编码的快速人脸识别 | 第29-46页 |
| 4.1 算法概述 | 第29-31页 |
| 4.2 通用视觉特征理论 | 第31-33页 |
| 4.3 通用视觉特征的提取 | 第33-38页 |
| 4.3.1 预处理及白化过程 | 第33-35页 |
| 4.3.2 稀疏编码 | 第35-36页 |
| 4.3.3 非线性化过程 | 第36-38页 |
| 4.4 基于 ELM 学习的稀疏表示 | 第38-39页 |
| 4.5 基于 ELM 分类器的人脸识别 | 第39-40页 |
| 4.6 快速人脸识别的具体算法 | 第40-44页 |
| 4.7 本章小结 | 第44-46页 |
| 5 人脸识别实验及结果分析 | 第46-55页 |
| 5.1 通用视觉特征：基函数 | 第46-47页 |
| 5.2 基于 ELM 的稀疏编码算法的可行性 | 第47-50页 |
| 5.3 人脸识别实验 | 第50-54页 |
| 5.3.1 ORL 数据库 | 第51-53页 |
| 5.3.2 PIE 人脸数据库 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结和展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
