基于线性判别分析的人脸识别技术研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 人脸识别的研究背景及意义 | 第13-14页 |
| 1.2 人脸识别研究的内容及难点 | 第14-15页 |
| 1.2.1 人脸识别研究的内容 | 第14页 |
| 1.2.2 人脸识别研究的难点 | 第14-15页 |
| 1.3 人脸识别的发展历程及研究现状 | 第15-17页 |
| 1.3.1 人脸识别的发展历程 | 第15-16页 |
| 1.3.2 人脸识别的研究现状 | 第16-17页 |
| 1.4 论文研究的内容和章节安排 | 第17-18页 |
| 第2章 人脸检测与识别相关理论基础 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 图像预处理 | 第18-22页 |
| 2.2.1 直方图均衡化 | 第18-19页 |
| 2.2.2 中值滤波 | 第19-20页 |
| 2.2.3 二值化 | 第20页 |
| 2.2.4 形态学处理 | 第20-22页 |
| 2.3 人脸检测算法概述 | 第22-24页 |
| 2.3.1 基于先验知识的检测算法 | 第22-23页 |
| 2.3.2 基于统计模型的检测算法 | 第23-24页 |
| 2.4 人脸识别算法概述 | 第24-27页 |
| 2.4.1 基于局部特征提取的人脸识别算法 | 第24-25页 |
| 2.4.2 基于全局特征提取的人脸识别算法 | 第25-26页 |
| 2.4.3 基于混合特征提取的人脸识别算法 | 第26页 |
| 2.4.4 基于深度学习的人脸识别算法 | 第26-27页 |
| 2.5 人脸识别性能评价指标及人脸数据库 | 第27-29页 |
| 2.5.1 人脸识别性能评价指标 | 第27-28页 |
| 2.5.2 人脸数据库 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于AdaBoost人脸检测算法研究 | 第30-51页 |
| 3.1 引言 | 第30页 |
| 3.2 AdaBoost人脸检测算法原理 | 第30-38页 |
| 3.2.1 Haar-like特征 | 第31-32页 |
| 3.2.2 检测器内特征总数 | 第32-33页 |
| 3.2.3 积分图 | 第33-35页 |
| 3.2.4 分类器的训练 | 第35-37页 |
| 3.2.5 分类器的级联 | 第37-38页 |
| 3.3 改进的AdaBoost人脸检测算法 | 第38-50页 |
| 3.3.1 建立肤色模型 | 第38-42页 |
| 3.3.2 NPD特征的引入 | 第42-44页 |
| 3.3.3 深度二叉树分类器 | 第44-47页 |
| 3.3.4 改进算法与原算法的对比实验 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于LDA人脸识别算法的研究 | 第51-72页 |
| 4.1 引言 | 第51页 |
| 4.2 基于LDA的人脸识别原理 | 第51-56页 |
| 4.2.1 Fisher判别准则 | 第51-53页 |
| 4.2.2 经典的Fisher线性判别分析方法 | 第53-55页 |
| 4.2.3 最小欧氏距离的人脸识别 | 第55-56页 |
| 4.3 改进的LDA人脸识别算法 | 第56-68页 |
| 4.3.1 零空间 | 第57页 |
| 4.3.2 核函数的引入 | 第57-60页 |
| 4.3.3 基于RBF神经网络的人脸识别 | 第60-64页 |
| 4.3.4 改进的人脸识别算法对比实验 | 第64-68页 |
| 4.4 人脸识别系统的实现 | 第68-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72-73页 |
| 5.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第80页 |
