基于实时视频的人脸识别系统
| 摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·人脸识别研究的背景及意义 | 第9-10页 |
| ·人脸识别的研究历史及现状 | 第10-12页 |
| ·人脸识别的研究难点 | 第12页 |
| ·人脸识别的研究内容 | 第12-13页 |
| ·本文的主要工作及研究内容安排 | 第13-15页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的内容安排 | 第14-15页 |
| 2 人脸识别技术研究与概述 | 第15-29页 |
| ·人脸识别的常用标准库 | 第15-16页 |
| ·人脸图像的预处理 | 第16-22页 |
| ·图像噪声处理 | 第17-19页 |
| ·图像的光照补偿 | 第19-21页 |
| ·图像增强与恢复 | 第21-22页 |
| ·人脸识别常用方法 | 第22-26页 |
| ·基于统计模型的人脸识别算法 | 第22-23页 |
| ·特征脸方法 | 第23页 |
| ·基于知识的特征提取方法 | 第23页 |
| ·神经网络方法 | 第23-24页 |
| ·隐马尔可夫模型方法 | 第24页 |
| ·基于支持向量机的人脸识别方法 | 第24-25页 |
| ·三维人脸识别的方法 | 第25-26页 |
| ·人脸识别技术性能指标 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 几种人脸特征提取算法 | 第29-46页 |
| ·主成分分析方法的人脸特征提取 | 第30-37页 |
| ·一维主成分分析的特征提取方法 | 第30-35页 |
| ·基于二维主成分分析方法的特征提取 | 第35-37页 |
| ·离散余弦函数变换（DCT ) 方法 | 第37-38页 |
| ·一维隐马尔可夫方法 | 第38-41页 |
| ·基于线性判别（LDA ）的人脸特征提取算法 | 第41-44页 |
| ·LDA 方法的人脸特征提取 | 第42-43页 |
| ·二维LDA 人脸特征提取算法 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 4 基于加权对称尺度不变特征的人脸识别方法 | 第46-60页 |
| ·加权对称脸方法 | 第46-48页 |
| ·尺度不变人脸特征提取方法 | 第48-56页 |
| ·SIFT 算法简介 | 第48-49页 |
| ·多尺度空间原理 | 第49-50页 |
| ·SIFT 算法的步骤 | 第50-54页 |
| ·人脸图像的SIFT 特征匹配 | 第54-56页 |
| ·基于SIFT 特征的人脸识别 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 5 实时视频人脸识别系统 | 第60-67页 |
| ·开发硬件设备 | 第60-61页 |
| ·开发软件环境 | 第61-62页 |
| ·软件平台的搭建 | 第62-64页 |
| ·主窗口模块 | 第62页 |
| ·监控模块 | 第62-63页 |
| ·识别与认证功能 | 第63-64页 |
| ·测试流程 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文和参加科研情况说明 | 第79-80页 |
