基于ASM的多姿态人脸矫正和识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 多姿态人脸识别的研究现状 | 第9-12页 |
| 1.2.1 基于新的人脸特征进行人脸识别 | 第9-10页 |
| 1.2.2 基于虚拟样本的多姿态人脸识别方法 | 第10页 |
| 1.2.3 基于三维人脸模型的多姿态人脸识别 | 第10-11页 |
| 1.2.4 基于姿态矫正的多姿态人脸识别 | 第11-12页 |
| 1.2.5 研究现状分析 | 第12页 |
| 1.3 主要研究内容以及论文结构 | 第12-15页 |
| 第2章 面向人脸检测与拟合的传统算法 | 第15-36页 |
| 2.1 引言 | 第15页 |
| 2.2 人脸检测的ADABOOST算法 | 第15-23页 |
| 2.2.1 Haar-like特征值和积分图 | 第15-18页 |
| 2.2.2 分类器的构造与级联 | 第18-22页 |
| 2.2.3 Ada Boost训练算法 | 第22-23页 |
| 2.3 人脸表征的ASM算法 | 第23-35页 |
| 2.3.1 主动形状模型介绍 | 第24-25页 |
| 2.3.2 ASM的训练 | 第25-31页 |
| 2.3.3 ASM的搜索过程 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 多姿态人脸检测与拟合 | 第36-51页 |
| 3.1 引言 | 第36页 |
| 3.2 多姿态人脸的矫正流程 | 第36-37页 |
| 3.3 样本图像采集 | 第37-39页 |
| 3.3.1 主流的人脸数据库 | 第37-38页 |
| 3.3.2 选择多角度的人脸样本图像 | 第38-39页 |
| 3.4 姿态变化的人脸检测 | 第39-42页 |
| 3.4.1 多姿态人脸检测系统的构建 | 第40-41页 |
| 3.4.2 人脸检测过程 | 第41-42页 |
| 3.5 多姿态ASM人脸匹配 | 第42-50页 |
| 3.5.1 人脸特征点的选择和标定 | 第43-44页 |
| 3.5.2 多姿态人脸的ASM训练 | 第44-46页 |
| 3.5.3 多姿态人脸的ASM拟合 | 第46-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 姿态矫正图像合成及人脸识别实验 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 姿态矫正与图像合成 | 第51-56页 |
| 4.2.1 正脸轮廓预测 | 第51-55页 |
| 4.2.2 合成矫正图像 | 第55-56页 |
| 4.3 人脸识别实验 | 第56-59页 |
| 4.3.1 LGBPHS简介 | 第57-58页 |
| 4.3.2 人脸识别实验及结果分析 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |
