基于特征融合的人脸识别方法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-14页 |
| 1.2.1 人脸图像降维研究现状 | 第10-11页 |
| 1.2.2 人脸检测方法的研究现状 | 第11-12页 |
| 1.2.3 人脸识别方法的研究现状 | 第12-13页 |
| 1.2.4 发展趋势 | 第13-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 基于最优奇异值占比的人脸图像分解方法 | 第17-23页 |
| 2.1 相关理论基础 | 第17-18页 |
| 2.1.1 人脸图像降维方法 | 第17页 |
| 2.1.2 奇异值分解方法原理 | 第17-18页 |
| 2.2 基于最优奇异值占比的图像分解方法 | 第18-20页 |
| 2.2.1 方法思路 | 第18-19页 |
| 2.2.2 方法原理描述 | 第19页 |
| 2.2.3 方法实现 | 第19-20页 |
| 2.3 实验验证 | 第20-22页 |
| 2.3.1 实验数据 | 第20页 |
| 2.3.2 实验步骤 | 第20-21页 |
| 2.3.3 实验结果分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于特征融合的人脸检测方法 | 第23-36页 |
| 3.1 相关理论基础 | 第23-29页 |
| 3.1.1 基于Haar特征的人脸检测方法 | 第23-26页 |
| 3.1.2 基于HOG特征的人脸检测方法 | 第26-29页 |
| 3.2 基于特征融合的人脸检测方法 | 第29-31页 |
| 3.2.1 方法思路 | 第29页 |
| 3.2.2 方法原理描述 | 第29-31页 |
| 3.2.3 方法实现 | 第31页 |
| 3.3 实验验证 | 第31-35页 |
| 3.3.1 实验数据 | 第31-32页 |
| 3.3.2 实验步骤 | 第32页 |
| 3.3.3 实验结果分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于特征融合的人脸识别方法 | 第36-50页 |
| 4.1 相关理论基础 | 第37-42页 |
| 4.1.1 MTCNN的人脸对齐 | 第37-40页 |
| 4.1.2 KNN分类算法 | 第40-41页 |
| 4.1.3 SVM分类算法 | 第41-42页 |
| 4.2 基于特征融合的人脸识别方法 | 第42-46页 |
| 4.2.1 方法思路 | 第42-43页 |
| 4.2.2 方法原理描述 | 第43-45页 |
| 4.2.3 方法实现 | 第45-46页 |
| 4.3 实验验证 | 第46-49页 |
| 4.3.1 实验数据 | 第46页 |
| 4.3.2 实验步骤 | 第46-47页 |
| 4.3.3 实验结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 基于活体检测的动态人脸识别方法 | 第50-59页 |
| 5.1 活体检测 | 第50-51页 |
| 5.1.1 基于眨眼检测的活体检测 | 第50-51页 |
| 5.1.2 基于张嘴检测的活体检测 | 第51页 |
| 5.2 基于活体检测的动态人脸识别方法 | 第51-55页 |
| 5.2.1 方法思路 | 第51-52页 |
| 5.2.2 方法原理描述 | 第52-54页 |
| 5.2.3 方法实现 | 第54-55页 |
| 5.3 实际场景下的测试结果 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
