首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共66页,点击 下载论文
上一篇:2016—2017赛季CBA总决赛新疆队与广东队攻防能力技术指标的对比分析
下一篇:语言学习类App用户体验设计研究