局部特征的自动提取及其在人脸识别中的应用
| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-18页 |
| 1．1 人脸识别理论发展与应用概述 | 第8-15页 |
| 1．1．1 人脸识别的研究内容 | 第8-10页 |
| 1．1．2 人脸识别技术的应用 | 第10页 |
| 1．1．3 人脸识别研究现状及发展趋势 | 第10-14页 |
| 1．1．4 人脸数据库及对人脸识别系统的评价 | 第14-15页 |
| 1．2 人脸视觉认知规律 | 第15-16页 |
| 1．3 本论文工作简介 | 第16-18页 |
| 第二章 人脸自动识别系统 | 第18-29页 |
| 2．1 人脸库的建立及图像预处理 | 第18-19页 |
| 2．2 人脸检测 | 第19-24页 |
| 2．3 特征提取及匹配识别 | 第24-25页 |
| 2．4 系统的软件实现 | 第25-29页 |
| 2．4．1 OpenCV的安装及使用 | 第25-27页 |
| 2．4．2 Matlab和C++混合编程 | 第27-28页 |
| 2．4．3 系统所具备的主要功能和技术指标 | 第28-29页 |
| 第三章 局部特征点的自动提取 | 第29-48页 |
| 3．1 主成分分析方法 | 第30-32页 |
| 3．1．1 传统的主成分分析方法用于人脸识别 | 第30-32页 |
| 3．1．2 特征脸法的优点与不足 | 第32页 |
| 3．2 局部特征分析法 | 第32-47页 |
| 3．2．1 LFA(局部特征分析)思想 | 第32-34页 |
| 3．2．2 经典LFA方法用来提取人脸局部特征 | 第34-41页 |
| 3．2．3 改进LFA法 | 第41-47页 |
| 3．3 本章小结 | 第47-48页 |
| 第四章 匹配识别 | 第48-60页 |
| 4．1 直接分块法 | 第48-51页 |
| 4．1．1 均匀分块法 | 第49-50页 |
| 4．1．2 根据人脸五官分布进行分块 | 第50-51页 |
| 4．1．3 实验结果分析 | 第51页 |
| 4．2 局部特征点区域图像分块奇异值法 | 第51-55页 |
| 4．2．1 整幅人脸图像奇异值分解法 | 第52-53页 |
| 4．2．2 局部奇异值法 | 第53-54页 |
| 4．2．3 局部特征点区域图像奇异值分解法 | 第54页 |
| 4．2．4 实验结果分析 | 第54-55页 |
| 4．3 八邻域向量法 | 第55-56页 |
| 4．3．1 八邻域向量匹配法原理 | 第55-56页 |
| 4．3．2 实验结果分析 | 第56页 |
| 4．4 对应块内点累加匹配法 | 第56-58页 |
| 4．4．1 块内点累加匹配法原理 | 第56-58页 |
| 4．4．2 实验结果分析 | 第58页 |
| 4．5 几种匹配方法的比较分析 | 第58-59页 |
| 4．6 本章小结 | 第59-60页 |
| 第五章 讨论与总结 | 第60-63页 |
| 5．1 本论文工作总结 | 第60页 |
| 5．2 存在的问题及工作展望 | 第60-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
