人脸识别中人脸检测和特征提取算法的研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 课题背景与研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 国外研究现状 | 第10-12页 |
1.2.2 国内研究现状 | 第12-14页 |
1.3 本文的主要工作 | 第14-15页 |
1.4 本文的组织与结构 | 第15-16页 |
第二章 人脸识别的相关技术 | 第16-26页 |
2.1 人脸识别过程 | 第16-17页 |
2.2 人脸检测 | 第17-19页 |
2.3 特征提取 | 第19-23页 |
2.4 特征选择 | 第23-24页 |
2.5 本章小结 | 第24-26页 |
第三章 基于BING与卷积神经网络的人脸检测算法 | 第26-40页 |
3.1 引言 | 第26-27页 |
3.2 相关工作 | 第27-29页 |
3.3 基于二值化梯度幅值特征的窗口筛选 | 第29页 |
3.4 卷积神经网络 | 第29-31页 |
3.5 卷积神经网络的改进 | 第31-33页 |
3.5.1 激活函数的改进 | 第31-32页 |
3.5.2 初始化方法的改进 | 第32-33页 |
3.6 算法分析 | 第33-34页 |
3.6.1 时间复杂度分析 | 第33-34页 |
3.6.2 收敛性分析 | 第34页 |
3.6.3 检测效果分析 | 第34页 |
3.7 实验与分析 | 第34-39页 |
3.7.1 实验环境与参数设置 | 第34-35页 |
3.7.2 网络迭代时间的比较 | 第35-36页 |
3.7.3 网络迭代次数的比较 | 第36-37页 |
3.7.4 人脸检测速度与准确率的比较 | 第37-38页 |
3.7.5 人脸检测鲁棒性的比较 | 第38-39页 |
3.8 本章小结 | 第39-40页 |
第四章 改进的Gabor小波变换特征提取算法 | 第40-56页 |
4.1 引言 | 第40-41页 |
4.2 相关工作 | 第41-42页 |
4.3 二维Gabor小波变换 | 第42-44页 |
4.4 改进的Gabor小波变换特征提取算法 | 第44-49页 |
4.4.1 Gabor局部幅值特征 | 第44-45页 |
4.4.2 Gabor局部相位特征 | 第45-47页 |
4.4.3 幅值特征与相位特征融合 | 第47-48页 |
4.4.4 算法描述 | 第48-49页 |
4.5 仿真与结果分析 | 第49-54页 |
4.5.1 实验环境与参数设置 | 第49-50页 |
4.5.2 分块大小的选取 | 第50-51页 |
4.5.3 融合特征的权重参数选取 | 第51-52页 |
4.5.4 算法提取特征的表征能力的比较 | 第52-53页 |
4.5.5 算法提取特征的鲁棒性的比较 | 第53-54页 |
4.5.6 特征提取平均时间的比较 | 第54页 |
4.6 本章小结 | 第54-56页 |
第五章 基于蒙特卡洛树搜索的特征选择算法 | 第56-69页 |
5.1 引言 | 第56-57页 |
5.2 相关工作 | 第57-58页 |
5.3 蒙特卡洛树搜索 | 第58-60页 |
5.4 Relief-F算法 | 第60-61页 |
5.5 MCTS在特征选择中的应用 | 第61-64页 |
5.5.1 特征选择建模 | 第61-62页 |
5.5.2 基于MCTS的特征选择算法 | 第62-64页 |
5.6 仿真与结果分析 | 第64-68页 |
5.6.1 实验环境与参数设置 | 第64-65页 |
5.6.2 特征相关性阈值C_p的选取 | 第65-66页 |
5.6.3 特征子集表征能力的比较 | 第66-67页 |
5.6.4 特征选择平均时间的比较 | 第67-68页 |
5.7 本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 工作总结 | 第69-70页 |
6.2 工作展望 | 第70-71页 |
参考文献 | 第71-75页 |
附录1 攻读硕士学位期间撰写的论文 | 第75-76页 |
致谢 | 第76页 |