移动环境下人脸识别技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 人脸识别研究概述 | 第15-19页 |
| 1.2.1 人脸识别基本流程 | 第15-16页 |
| 1.2.2 人脸识别的研究现状 | 第16-19页 |
| 1.3 移动环境下人脸识别的难点 | 第19-20页 |
| 1.4 本文的研究内容和组织结构 | 第20-22页 |
| 1.4.1 论文的研究内容 | 第20页 |
| 1.4.2 论文的组织结构 | 第20-22页 |
| 第2章 人脸识别基础 | 第22-30页 |
| 2.1 人脸算法的评价标准 | 第22-23页 |
| 2.1.1 人脸检测算法的评价标准 | 第22页 |
| 2.1.2 人脸识别算法的评价标准 | 第22-23页 |
| 2.2 Viola人脸检测 | 第23-26页 |
| 2.2.1 Harr-Like特征与积分图 | 第23-24页 |
| 2.2.2 弱分类器与强分类器 | 第24-25页 |
| 2.2.3 级联分类器的构造 | 第25-26页 |
| 2.3 子空间映射算法 | 第26-28页 |
| 2.3.1 主成分分析法 | 第26-27页 |
| 2.3.2 Fisher线性判别法 | 第27-28页 |
| 2.4 分类算法描述 | 第28-29页 |
| 2.4.1 支持向量机分类器 | 第28页 |
| 2.4.3 K邻近距离分类器 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于韦伯局部描述和梯度脸的特征提取方法 | 第30-45页 |
| 3.1 韦伯局部描述 | 第30-33页 |
| 3.1.1 韦伯定律 | 第30页 |
| 3.1.2 差分激励 | 第30-32页 |
| 3.1.3 韦伯方向 | 第32页 |
| 3.1.4 二维直方图 | 第32-33页 |
| 3.2 梯度脸 | 第33-34页 |
| 3.2.1 反射模型 | 第33页 |
| 3.2.2 梯度脸 | 第33-34页 |
| 3.3 基于韦伯局部描述和梯度脸的特征提取方法 | 第34-37页 |
| 3.3.1 预处理 | 第35页 |
| 3.3.2 GWLD特征 | 第35-36页 |
| 3.3.3 多尺度分析 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-44页 |
| 3.4.1 人脸数据库 | 第37-38页 |
| 3.4.2 最优参数设置 | 第38-42页 |
| 3.4.3 多尺度分析 | 第42-43页 |
| 3.4.4 性能对比 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 移动环境下的人脸识别方案 | 第45-52页 |
| 4.1 基于屏幕的补光技术 | 第45-47页 |
| 4.2 基于光照传感器的预处理 | 第47-49页 |
| 4.2.1 Gamma矫正 | 第48页 |
| 4.2.2 Dog滤波 | 第48-49页 |
| 4.3 人脸识别方案评估 | 第49-51页 |
| 4.3.1 移动环境下的人脸数据库 | 第49页 |
| 4.3.2 实验结果 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于Android的轻量级人脸识别系统 | 第52-60页 |
| 5.1 Android平台的简介 | 第52-53页 |
| 5.2 轻量级人脸识别系统的设计 | 第53-56页 |
| 5.2.1 手机人脸图像的特点 | 第53页 |
| 5.2.2 系统的整体设计 | 第53-54页 |
| 5.2.3 密码设置及用户注册 | 第54页 |
| 5.2.4 人脸检测与姿势提示 | 第54-55页 |
| 5.2.5 人脸注册 | 第55页 |
| 5.2.6 人脸识别 | 第55-56页 |
| 5.3 Android人脸识别系统的简介 | 第56-59页 |
| 5.3.1 用户注册及使用提示 | 第56-57页 |
| 5.3.2 人脸注册 | 第57页 |
| 5.3.3 人脸识别 | 第57-58页 |
| 5.3.4 安全密码认证 | 第58页 |
| 5.3.5 补光识别 | 第58-59页 |
| 5.3.6 系统特点 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 附录A 攻读学位期间发表的成果 | 第67-68页 |
| 附录B 攻读学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
