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

人脸识别新算法的研究及其应用

摘要第1-5页
Abstract第5-9页
第一章 绪论第9-15页
   ·引言第9-10页
   ·人脸识别的发展及现状第10-11页
   ·人脸数据库第11-14页
     ·实验中常用的人脸数据库第11-13页
     ·本文研究所采用的人脸数据库第13-14页
   ·本文研究工作概述第14页
   ·本文内容安排第14-15页
第二章 人脸特征提取方法综述第15-27页
   ·引言第15页
   ·基于面部特征的几何方法第15-16页
   ·基于模板匹配的方法第16页
   ·人脸代数特征提取方法第16-25页
     ·基于主成分分析的方法第16-18页
     ·基于线性判别分析(LDA)的方法第18-20页
     ·基于核的表示方法第20页
     ·二维PCA 方法第20-21页
     ·二维LDA 方法第21-22页
     ·模块化2DPCA 方法第22-24页
     ·模块化LDA 方法第24页
     ·基于支持向量机方法第24-25页
   ·本章小结第25-27页
第三章 二维非参数鉴别分析的人脸识别方法第27-36页
   ·引言第27页
   ·非参数子空间分析(Nonparametric Subspace Analysis,NSA)方法第27-28页
   ·非参数特征分析(Nonparametric Feature Analysis,NFA)方法第28-29页
   ·二维NSA 方法和二维NFA 方法第29-31页
     ·二维NSA 方法第29-30页
     ·二维NFA 方法第30-31页
   ·实验结果与分析第31-34页
     ·ORL 上人脸识别的实验结果第31-33页
     ·XM2VTS 上人脸识别的实验结果第33-34页
   ·本章小结第34-36页
第四章 分块KDA 在人脸识别上的应用第36-44页
   ·引言第36页
   ·核线性鉴别分析第36-38页
   ·分块KDA 方法第38-41页
     ·分块第38页
     ·特征提取第38-40页
     ·分类第40-41页
   ·实验结果与分析第41-43页
     ·核函数的选取第41-42页
     ·ORL 上人脸识别的实验结果第42页
     ·XM2VTS 上人脸识别的实验结果第42-43页
   ·本章小结第43-44页
第五章 一种基于SVM_NSA 的人脸识别方法第44-52页
   ·引言第44页
   ·SVM_LDA 方法第44-46页
     ·线性判别分析第44页
     ·LDA 变换到PCA第44-46页
     ·SVM 构造LDA第46页
   ·SVM_NSA 方法第46-49页
   ·实验结果与分析第49-51页
     ·ORL 上人脸识别的实验结果第49-50页
     ·XM2VTS 上人脸识别的实验结果第50-51页
   ·本章小结第51-52页
第六章 总结与展望第52-54页
   ·本文的工作总结第52页
   ·未来工作展望第52-54页
致谢第54-55页
参考文献第55-58页
附录:作者在攻读硕士学位期间发表的论文第58页

论文共58页,点击 下载论文
上一篇:基于模糊技术的智能识别及其应用研究
下一篇:特征选择新算法研究