复杂环境下基于显著性的人脸识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 人脸识别方法研究现状 | 第11-14页 |
| 1.2.2 稀疏编码算法研究现状 | 第14-15页 |
| 1.2.3 显著性分析研究现状 | 第15-16页 |
| 1.3 存在的问题及难点 | 第16-17页 |
| 1.4 人脸识别评估指标 | 第17页 |
| 1.5 本文主要工作及内容安排 | 第17-19页 |
| 第2章 稀疏编码特征提取 | 第19-30页 |
| 2.1 稀疏编码算法概述 | 第19-20页 |
| 2.2 特征提取 | 第20-22页 |
| 2.2.1 预处理 | 第20页 |
| 2.2.2 特征提取滤波器 | 第20-22页 |
| 2.3 快速稀疏编码算法 | 第22-24页 |
| 2.3.1 ELM算法 | 第22-23页 |
| 2.3.2 改进稀疏编码算法 | 第23-24页 |
| 2.4 特征融合 | 第24-26页 |
| 2.4.1 LBP算子 | 第24页 |
| 2.4.2 LBP特征提取 | 第24-25页 |
| 2.4.3 两特征融合 | 第25-26页 |
| 2.5 实验结果与分析 | 第26-29页 |
| 2.5.1 YALE、FERET人脸库 | 第26-27页 |
| 2.5.2 LFW人脸库 | 第27-28页 |
| 2.5.3 自制视频帧人脸库 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于显著性的人脸识别方法研究 | 第30-43页 |
| 3.1 视觉注意机制 | 第30页 |
| 3.2 视觉显著性模型 | 第30-32页 |
| 3.2.1 Itti模型 | 第30-31页 |
| 3.2.2 本文模型 | 第31-32页 |
| 3.3 显著性人脸识别方法 | 第32-40页 |
| 3.3.1 方法流程 | 第32-33页 |
| 3.3.2 LBP滤波 | 第33页 |
| 3.3.3 显著图构造 | 第33-34页 |
| 3.3.4 复杂情况下的显著图分析 | 第34-38页 |
| 3.3.5 分类识别 | 第38-40页 |
| 3.4 实验结果分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 在线人脸识别模拟系统 | 第43-54页 |
| 4.1 Adaboost人脸检测算法 | 第43-47页 |
| 4.1.1 Haar特征简述 | 第43-44页 |
| 4.1.2 Haar特征计算 | 第44-45页 |
| 4.1.3 Haar-like矩形特征拓展 | 第45页 |
| 4.1.4 Adaboost算法 | 第45-47页 |
| 4.2 系统软件及平台简介 | 第47页 |
| 4.3 系统功能简介 | 第47页 |
| 4.4 系统工作界面 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
