基于局部特征的人脸识别
摘要 | 第1-4页 |
Abstract | 第4-9页 |
第一章 绪论 | 第9-19页 |
·人脸识别的研究背景和意义 | 第9-11页 |
·人脸识别的研究背景 | 第9-10页 |
·人脸识别的意义 | 第10-11页 |
·人脸识别的研究内容 | 第11页 |
·人脸识别的发展阶段及主要方法 | 第11-15页 |
·基于简单背景的人脸识别阶段 | 第11-12页 |
·基于多姿态/表情的人脸识别阶段 | 第12页 |
·基于代数特征人脸识别阶段 | 第12-13页 |
·基于连接机制/三维人脸识别阶段 | 第13-15页 |
·局部特征识别方法概述 | 第15-16页 |
·人脸识别存在的主要困难 | 第16-17页 |
·本文主要内容及各章安排 | 第17-19页 |
·本文主要研究内容 | 第17页 |
·各章节内容安排 | 第17-19页 |
第二章 局部二值模式的基本理论 | 第19-27页 |
·局部二值模式 | 第19-23页 |
·LBP 算子的基本原理 | 第19-20页 |
·对 LBP 算子的改进 | 第20-23页 |
·LBP 人脸识别算法 | 第23-25页 |
·LBP 算法的优缺点 | 第25-26页 |
·本章小结 | 第26-27页 |
第三章 D-S 证据理论 | 第27-33页 |
·数据融合相关理论 | 第27-30页 |
·数据级融合 | 第28页 |
·特征级融合 | 第28-29页 |
·决策级融合 | 第29-30页 |
·D-S 证据理论 | 第30-32页 |
·证据理论的基本定义 | 第31-32页 |
·D-S 证据理论合成规则 | 第32页 |
·本章小结 | 第32-33页 |
第四章 基于局部邻域模式的人脸识别方法 | 第33-53页 |
·LNP 的基本思想 | 第33-34页 |
·基于 LNP 的人脸识别 | 第34-41页 |
·LNP 编码阶段 | 第35-38页 |
·提取特征向量 | 第38-39页 |
·分类器选择 | 第39-41页 |
·实验结果与分析 | 第41-52页 |
·在 ORL 人脸库中的实验 | 第42-45页 |
·在 Yale 人脸库的实验 | 第45-48页 |
·在 Extended Yale B 上的实验 | 第48-49页 |
·在 FERET 数据库上的实验 | 第49-52页 |
·本章小结 | 第52-53页 |
第五章 融合 D-S 证据理论的局部邻域模式算法 | 第53-67页 |
·融合 D-S 证据理论的 LNP 人脸识别算法 | 第53-59页 |
·图像预处理 | 第54-55页 |
·LNP 算法提取特征向量 | 第55-56页 |
·证据融合阶段 | 第56-59页 |
·实验结果与分析 | 第59-65页 |
·在 Extended Yale B 上的实验 | 第59-64页 |
·在 FERET 数据库上的实验 | 第64-65页 |
·本章小结 | 第65-67页 |
第六章 总结与展望 | 第67-69页 |
·本文总结 | 第67-68页 |
·展望 | 第68-69页 |
致谢 | 第69-71页 |
参考文献 | 第71-76页 |