摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-24页 |
1.1 课题研究的背景及意义 | 第12-15页 |
1.1.1 生物特征识别技术 | 第12-14页 |
1.1.1.1 DNA验证 | 第12页 |
1.1.1.2 指纹识别 | 第12-13页 |
1.1.1.3 虹膜识别 | 第13页 |
1.1.1.4 步态识别 | 第13页 |
1.1.1.5 签名识别 | 第13-14页 |
1.1.2 人脸识别技术的发展概述 | 第14-15页 |
1.2 人脸识别的研究现状及主流方法 | 第15-18页 |
1.2.1 人脸识别国内外研究现状 | 第15-16页 |
1.2.2 主流的人脸识别算法 | 第16-18页 |
1.3 基于视频的人脸识别技术面临的主要挑战 | 第18-21页 |
1.4 论文主要内容及结构 | 第21-24页 |
1.4.1 本文研究内容 | 第21页 |
1.4.2 本文章节结构 | 第21-24页 |
第二章 Gabor滤波器在人脸识别上的应用 | 第24-34页 |
2.1 Gabor小波变换 | 第24-27页 |
2.1.1 一维Gabor小波变换 | 第24-25页 |
2.1.2 二维Gabor小波变换 | 第25-27页 |
2.2 Gabor滤波器的参数选择及人脸的Gabor表示 | 第27-31页 |
2.2.1 Gabor滤波器的参数选择 | 第27-29页 |
2.2.2 人脸的Gabor表示 | 第29-31页 |
2.3 Gabor脸特征的优缺点 | 第31页 |
2.3.1 Gabor滤波的优点 | 第31页 |
2.3.2 Gabor滤波的缺点 | 第31页 |
2.4 本章小结 | 第31-34页 |
第三章 基于局部二值模式的人脸识别算法研究 | 第34-46页 |
3.1 局部二值模式的发展概述 | 第34页 |
3.2 局部二值模式的基本原理 | 第34-41页 |
3.2.1 原始LBP算子 | 第35-37页 |
3.2.2 旋转不变统一LBP | 第37-41页 |
3.2.2.1 统一LBP | 第37-39页 |
3.2.2.2 旋转不变LBP | 第39-41页 |
3.3 LBP算法的改进算法 | 第41-44页 |
3.3.1 ILBP算法 | 第42页 |
3.3.2 LTP算法 | 第42-43页 |
3.3.3 MB-LBP算法 | 第43-44页 |
3.3.4 其他改进算法 | 第44页 |
3.4 本章小结 | 第44-46页 |
第四章 ELGBP算法与实验结果分析 | 第46-58页 |
4.1 伸长局部二值模式 | 第46-48页 |
4.1.1 伸长局部二值模式的基本原理 | 第46-47页 |
4.1.2 伸长局部二值模式的物理意义 | 第47页 |
4.1.3 ELBP的平均最大距离梯度幅值信息 | 第47-48页 |
4.2 基于Gabor的ELBP算法 | 第48-50页 |
4.3 matlab仿真实验 | 第50-56页 |
4.3.1 人脸数据库 | 第50-51页 |
4.3.2 图像预处理 | 第51-55页 |
4.3.2.1 光照归一化 | 第51-54页 |
4.3.2.2 图片存储格式 | 第54-55页 |
4.3.3 实验结果 | 第55-56页 |
4.4 本章小结 | 第56-58页 |
第五章 人脸识别系统的设计与实现 | 第58-72页 |
5.1 OpenCV简介 | 第58-62页 |
5.1.1 OpencCV概述 | 第58-59页 |
5.1.2 OpencCV模块介绍 | 第59页 |
5.1.3 OpenCV数据结构 | 第59-61页 |
5.1.4 人脸识别类 | 第61-62页 |
5.2 人脸检测 | 第62-65页 |
5.2.1 基于知识的方法 | 第63页 |
5.2.2 基于特征的方法 | 第63-64页 |
5.2.3 模板匹配的方法 | 第64页 |
5.2.4 基于外观的方法 | 第64-65页 |
5.3 视频人脸识别系统的设计分析 | 第65-71页 |
5.3.1 实时视频人脸识别系统的工作原理 | 第65-67页 |
5.3.2 功能分析 | 第67-68页 |
5.3.3 系统的实现效果 | 第68-71页 |
5.4 本章小结 | 第71-72页 |
第六章 总结与展望 | 第72-74页 |
致谢 | 第74-76页 |
参考文献 | 第76-80页 |
附录 | 第80页 |