煤矿井下人员考勤系统中的人脸识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·人脸识别技术的现状及趋势 | 第10-12页 |
| ·井下人员人脸考勤存在的问题 | 第12-13页 |
| ·人脸识别技术存在的难点 | 第12-13页 |
| ·井下人员人脸考勤存在的问题 | 第13页 |
| ·本文研究工作 | 第13-15页 |
| ·主要研究内容 | 第13-14页 |
| ·论文的章节安排 | 第14-15页 |
| 第二章 相关技术及其理论 | 第15-33页 |
| ·Haar矩形特征的检测 | 第15-20页 |
| ·Haar矩形特征 | 第15-16页 |
| ·积分图像 | 第16-18页 |
| ·AdaBoost算法 | 第18-19页 |
| ·级联分类器 | 第19-20页 |
| ·AdaBoost算法的人脸检测机制 | 第20页 |
| ·ASM主动形状模型 | 第20-24页 |
| ·构建形状向量 | 第20页 |
| ·建立形状模型 | 第20-23页 |
| ·构建局部灰度模型 | 第23-24页 |
| ·ASM模型的匹配 | 第24页 |
| ·主成份分析法PCA | 第24-27页 |
| ·传统PCA | 第25-26页 |
| ·二维PCA | 第26-27页 |
| ·快速鲁棒特征SURF | 第27-31页 |
| ·特征点检测 | 第27-30页 |
| ·生成特征描述子 | 第30-31页 |
| ·本章小节 | 第31-33页 |
| 第三章 基于ASM的人脸检测与跟踪 | 第33-51页 |
| ·基于Haar的人脸检测 | 第33-35页 |
| ·Haar的人脸检测 | 第33-34页 |
| ·实验结果与分析 | 第34-35页 |
| ·基于ASM的人脸检测 | 第35-43页 |
| ·数据收集 | 第35-36页 |
| ·形状模型 | 第36-41页 |
| ·人脸的检测 | 第41页 |
| ·实验结果与分析 | 第41-43页 |
| ·基于ASM的人脸跟踪 | 第43-50页 |
| ·局部块模型 | 第43-47页 |
| ·人脸跟踪实现 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 人脸识别算法的研究 | 第51-61页 |
| ·基于模块双向PCA算法的人脸识别 | 第51-55页 |
| ·模块(2D)2PCA | 第51-52页 |
| ·最近邻分类法 | 第52页 |
| ·DCT与模块(2D)2PCA的人脸识别 | 第52-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·基于SURF人脸识别算法 | 第55-59页 |
| ·SURF相似性测度 | 第55-56页 |
| ·双向FLANN算法 | 第56-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小节 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间取得的研究成果 | 第71-72页 |
