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

论文共76页,点击 下载论文
上一篇:基于Android平台人脸检测与识别研究
下一篇:视频序列中的笑脸识别技术研究