基于形状特征的人脸聚类算法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·选题背景及意义 | 第8-9页 |
| ·技术发展与现状 | 第9-15页 |
| ·大型人脸库检索 | 第9-10页 |
| ·聚类技术 | 第10-12页 |
| ·脸形分类 | 第12-15页 |
| ·本文的主要工作 | 第15-16页 |
| 2 人脸检测与定位 | 第16-23页 |
| ·人脸检测方法概述 | 第16页 |
| ·基于 AdaBoost 的人脸检测 | 第16-21页 |
| ·Haar-like 特征 | 第18-19页 |
| ·生成弱分类器 | 第19-20页 |
| ·级联分类器 | 第20-21页 |
| ·实验结果及分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 人脸形状特征提取 | 第23-37页 |
| ·点分布模型 | 第25-29页 |
| ·训练集的标定 | 第25-26页 |
| ·训练样本对齐 | 第26-28页 |
| ·全局形状模型 | 第28-29页 |
| ·局部纹理模型 | 第29-31页 |
| ·目标搜索过程 | 第31-33页 |
| ·模型初始定位 | 第32页 |
| ·特征点局部搜索 | 第32页 |
| ·计算形状和姿态参数 | 第32页 |
| ·参数更新 | 第32-33页 |
| ·改进的 ASM 方法 | 第33-35页 |
| ·初始定位的改进 | 第33-34页 |
| ·纹理模型的改进 | 第34-35页 |
| ·实验结果及分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于形状特征的人脸聚类 | 第37-53页 |
| ·聚类算法比较 | 第38-44页 |
| ·层次聚类方法 | 第38-40页 |
| ·划分聚类方法 | 第40-41页 |
| ·模糊聚类方法 | 第41-42页 |
| ·基于神经网络的方法 | 第42-43页 |
| ·大型数据集聚类 | 第43-44页 |
| ·高维数据聚类分析 | 第44页 |
| ·基于形状特征的人脸聚类 | 第44-51页 |
| ·ISODATA 聚类算法 | 第45-47页 |
| ·Hausdorff 距离 | 第47页 |
| ·改进的聚类算法 | 第47-48页 |
| ·实验结果及分析 | 第48-51页 |
| ·基于聚类的二层次检索 | 第51-52页 |
| ·最近邻搜索模型 | 第51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-54页 |
| ·本文工作总结 | 第53页 |
| ·改进与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第58页 |
