实时人脸识别系统关键技术研究与实现
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·引言 | 第11页 |
| ·研究背景与意义 | 第11-13页 |
| ·国内外研究和发展现状 | 第13-15页 |
| ·人脸识别问题描述和研究的难点 | 第15-16页 |
| ·人脸识别问题描述 | 第15页 |
| ·人脸识别研究的难点 | 第15-16页 |
| ·论文的内容及结构 | 第16-18页 |
| 第二章 人脸特征提取和分类 | 第18-28页 |
| ·概述 | 第18页 |
| ·人脸特征提取和选择分类 | 第18-26页 |
| ·特征提取方法 | 第19-20页 |
| ·特征选择方法 | 第20-26页 |
| ·测试已公开的特征分类器文件 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第三章 人眼检测与样本处理 | 第28-37页 |
| ·人眼检测和人脸剪切 | 第28-30页 |
| ·人眼检测与定位方法 | 第28-30页 |
| ·人脸标准化 | 第30页 |
| ·双边均衡化 | 第30-33页 |
| ·直方图均衡化 | 第30-31页 |
| ·双边均衡化 | 第31-33页 |
| ·图像平滑 | 第33-35页 |
| ·消除干扰因素 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 人脸检测与识别 | 第37-66页 |
| ·人脸检测和识别方法 | 第37-40页 |
| ·AdaBoost 算法应用 | 第40-44页 |
| ·Haar 矩形特征及积分图 | 第40-42页 |
| ·基于 Haar 特征的弱分类器 | 第42页 |
| ·基于 AdaBoost 算法的强分类器训练 | 第42-43页 |
| ·级联强分类器 | 第43-44页 |
| ·基于 AdaBoost 的人脸检测 | 第44-53页 |
| ·分类器离线训练 | 第45-48页 |
| ·人脸在线检测 | 第48-49页 |
| ·检测程序的参数选择 | 第49-51页 |
| ·实验结果 | 第51-53页 |
| ·基于小波分析的人脸识别方法 | 第53-63页 |
| ·小波分析 | 第53-54页 |
| ·多分辨率分析与 Mallat 快速小波算法 | 第54-56页 |
| ·小波特征的提取 | 第56-57页 |
| ·在线支持向量机 | 第57-61页 |
| ·小波实例分析 | 第61-63页 |
| ·实验对比分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 实时人脸自动识别系统 | 第66-73页 |
| ·人脸识别系统分析 | 第66-71页 |
| ·系统需求分析 | 第66页 |
| ·系统设计思路 | 第66-67页 |
| ·功能模块及 GUI | 第67-71页 |
| ·收集人脸样本 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结论和展望 | 第73-75页 |
| ·工作总结 | 第73页 |
| ·展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
