摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第9-16页 |
1.1 课题背景及研究的目的和意义 | 第9-11页 |
1.1.1 课题来源 | 第9页 |
1.1.2 课题研究的背景及意义 | 第9-11页 |
1.2. 唇读系统组成 | 第11-12页 |
1.3 国内外研究现状 | 第12-15页 |
1.4 本文的主要研究内容 | 第15-16页 |
第2章 唇读数据库的建立 | 第16-24页 |
2.1 引言 | 第16页 |
2.2 国内外相关的唇读数据库 | 第16-20页 |
2.2.1 国外的唇读数据库 | 第16-18页 |
2.2.2 国内的唇读数据库 | 第18-20页 |
2.3 自用唇读数据库的建立 | 第20-22页 |
2.4 本章小结 | 第22-24页 |
第3章 人脸及唇部定位算法设计 | 第24-37页 |
3.1 引言 | 第24页 |
3.2 基于HAAR-LIKE特征和ADABOOST算法的人脸检测 | 第24-28页 |
3.3 唇部定位算法设计 | 第28-34页 |
3.3.1 基于人脸结构特征的唇部粗定位 | 第28-29页 |
3.3.2 基于HSV颜色空间H分量的唇部精确定位 | 第29-34页 |
3.4 实验结果及分析 | 第34-36页 |
3.5 本章小结 | 第36-37页 |
第4章 唇动特征提取算法研究 | 第37-52页 |
4.1 引言 | 第37页 |
4.2 基于像素的特征提取方法 | 第37-41页 |
4.2.1 主成分分析法(PCA) | 第37-39页 |
4.2.2 离散余弦变换(DCT) | 第39-41页 |
4.3 去光照预处理链设计 | 第41-45页 |
4.4 基于基本LBP算法的光照不变特征提取 | 第45-48页 |
4.5 基于改进LBP算法的光照不变特征提取 | 第48-51页 |
4.5.1 三值模式拓展 | 第48-49页 |
4.5.2 自适应阀值选取 | 第49-50页 |
4.5.3 局部分块化和PCA降维 | 第50-51页 |
4.6 本章小结 | 第51-52页 |
第5章 基于SVM的唇动识别 | 第52-62页 |
5.1 引言 | 第52页 |
5.2 SVM分类算法 | 第52-55页 |
5.3 SVM在唇动识别中的应用 | 第55-57页 |
5.3.1 SVM向多分类问题的推广 | 第55-56页 |
5.3.2 唇动特征序列长度规整 | 第56-57页 |
5.4 基于SVM的唇读识别实验 | 第57-60页 |
5.4.1 自然光照下的唇读识别实验 | 第57-58页 |
5.4.2 可变光照下的唇读识别实验 | 第58-60页 |
5.5 本章小结 | 第60-62页 |
结论 | 第62-63页 |
参考文献 | 第63-67页 |
攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
致谢 | 第69页 |