基于单视图的多姿态人脸识别
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究的目的和意义 | 第13-14页 |
| ·国内外的研究现状和发展趋势 | 第14-15页 |
| ·人脸识别图像库 | 第15-17页 |
| ·人脸识别系统组成 | 第17-18页 |
| ·论文的主要内容和组织结构 | 第18-19页 |
| 第2章 人脸识别算法 | 第19-27页 |
| ·引言 | 第19页 |
| ·常用的人脸识别技术 | 第19-22页 |
| ·多姿态人脸识别技术 | 第22-24页 |
| ·多视角人脸识别技术 | 第22-23页 |
| ·不变特征人脸识别技术 | 第23页 |
| ·基于三维模型的方法 | 第23-24页 |
| ·基于单视图多姿态人脸识别 | 第24-26页 |
| ·单视图人脸识别的意义 | 第24-25页 |
| ·现有的单视图多姿态人脸识别技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 人脸特征提取技术 | 第27-33页 |
| ·引言 | 第27-28页 |
| ·人脸特征提取技术 | 第28-30页 |
| ·基于几何结构的人脸特征提取方法 | 第28-29页 |
| ·基于统计分布的人脸特征提取技术 | 第29-30页 |
| ·主成分分析法 | 第30-32页 |
| ·主成分分析的理论基础 | 第30-31页 |
| ·主成分分析的几何解释 | 第31-32页 |
| ·主成分分析应用于人脸特征提取 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 支持向量机技术 | 第33-41页 |
| ·引言 | 第33页 |
| ·支持向量机技术 | 第33-40页 |
| ·支持向量机的分类思想 | 第33-35页 |
| ·支持向量机的理论基础 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 局部加权平均虚拟样本的多姿态人脸识别 | 第41-55页 |
| ·引言 | 第41-42页 |
| ·局部加权平均多姿态人脸生成算法 | 第42-44页 |
| ·基本原理 | 第42页 |
| ·数学描述 | 第42-44页 |
| ·多姿态人脸的主成分提取 | 第44-45页 |
| ·多姿态人脸支持向量机的分类识别 | 第45页 |
| ·实验结果与分析 | 第45-52页 |
| ·多姿态人脸生成实验 | 第45-51页 |
| ·多姿态人脸的识别实验 | 第51-52页 |
| ·实验结果讨论 | 第52页 |
| ·本章小结 | 第52-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 全文总结 | 第55-56页 |
| 进一步研究与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
