首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于局部特征的人脸识别方法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-12页
缩略语对照表第12-15页
第一章 绪论第15-23页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-17页
    1.3 主要的人脸图像数据库第17-19页
    1.4 论文主要工作与章节安排第19-23页
第二章 基于Haar-like特征的人脸检测及图像预处理方法第23-35页
    2.1 引言第23页
    2.2 基于Haar-like特征的人脸检测方法第23-28页
        2.2.1 Haar-like特征第23-24页
        2.2.2 Adaboost算法第24-26页
        2.2.3 人脸检测的具体实现第26-28页
    2.3 人脸图像预处理第28-34页
        2.3.1 人脸图像的几何归一化第28-30页
        2.3.2 图像去噪第30-31页
        2.3.3 光照预处理第31-34页
    2.4 本章小结第34-35页
第三章 基于局部二值模式的人脸识别方法第35-43页
    3.1 引言第35页
    3.2 LBP特征第35-39页
        3.2.1 LBP特征的基本原理第35-36页
        3.2.2 LBP特征基本特性第36-39页
        3.2.3 LBP特征在人脸识别中的应用第39页
    3.3 实验结果与分析第39-41页
    3.4 本章小结第41-43页
第四章 基于多方向局部二值模式的人脸识别方法第43-53页
    4.1 引言第43-44页
    4.2 基于多方向局部二值模式的人脸识别方法第44-48页
        4.2.1 多方向局部二值模式的基本原理第44-48页
        4.2.2 多方向局部二值模式在人脸识别中的应用第48页
    4.3 实验结果与分析第48-52页
    4.4 本章小结第52-53页
第五章 基于LBP以及卷积神经网络的人脸识别方法第53-63页
    5.1 引言第53页
    5.2 神经网络理论基础第53-57页
        5.2.1 前馈神经网络第53-55页
        5.2.2 误差反向传播(Error Back Propagation,BP)算法第55-57页
    5.3 基于LBP以及卷积神经网络的人脸识别方法第57-61页
        5.3.1 卷积神经网络结构第57-59页
        5.3.2 基于LBP以及卷积神经网络的人脸识别方法第59-61页
    5.4 实验结果与分析第61-62页
    5.5 本章小结第62-63页
第六章 总结与展望第63-67页
    6.1 总结第63-64页
    6.2 展望第64-67页
参考文献第67-71页
致谢第71-73页
作者简介第73-74页

论文共74页,点击 下载论文
上一篇:基于投影和聚类的长非编码RNA与疾病的关系预测
下一篇:基于近邻图的高维空间近似最近邻查询研究