基于Kinect的人脸图像识别
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·人脸识别的研究背景 | 第9-10页 |
| ·人脸识别技术的研究现状 | 第10-11页 |
| ·人脸识别技术存在的难点以及解决方法 | 第11-12页 |
| ·Kinect 简介 | 第12-15页 |
| ·本文的主要研究工作及章节安排 | 第15-16页 |
| 第2章 KINECT 2D 人脸检测与识别 | 第16-28页 |
| ·前言 | 第16页 |
| ·人脸图像预处理 | 第16-17页 |
| ·人脸检测 | 第17-23页 |
| ·Haar 特征 | 第18-19页 |
| ·积分图像 | 第19页 |
| ·AdaBoost 检测器 | 第19-22页 |
| ·AdaBoost 人脸检测方法结果 | 第22-23页 |
| ·基于 LBP 的人脸识别 | 第23-26页 |
| ·LBP 算子 | 第23-25页 |
| ·LBP 特征差异度量 | 第25页 |
| ·基于 LBP 的人脸识别结果分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 KINECT 3D 人脸检测与识别 | 第28-42页 |
| ·前言 | 第28-29页 |
| ·人脸检测 | 第29-32页 |
| ·OpenNI 介绍 | 第29-30页 |
| ·基于骨骼追踪技术的人脸检测 | 第30-32页 |
| ·三维人脸数据获取 | 第32-35页 |
| ·三维人脸数据的三种形式 | 第32-33页 |
| ·基于区域生长法获取 3D 人脸信息 | 第33-35页 |
| ·人脸点云预处理 | 第35-38页 |
| ·MLS 基本原理 | 第35-37页 |
| ·实验结果和分析 | 第37-38页 |
| ·3D 人脸识别 | 第38-41页 |
| ·ICP 算法介绍 | 第38-39页 |
| ·实验结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 二维和三维人脸融合及系统实现 | 第42-49页 |
| ·前言 | 第42页 |
| ·2D 图像和 3D 模型的融合模式 | 第42-43页 |
| ·分类识别结果归一化 | 第43页 |
| ·基于 2D 图像和 3D 信息决策层融合识别 | 第43-45页 |
| ·模糊积分 | 第43-44页 |
| ·基于模糊积分的多模态人脸识别 | 第44-45页 |
| ·基于 Kinect 人脸识别系统的软件实现 | 第45-48页 |
| ·数据采集 | 第46-47页 |
| ·二维人脸识别 | 第47页 |
| ·三维人脸识别 | 第47页 |
| ·决策融合 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 结论与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
