连续视频流中人脸检测和识别的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·课题研究背景 | 第10-12页 |
| ·课题研究意义 | 第12-14页 |
| ·国内外研究现状与趋势 | 第14-18页 |
| ·人脸检测和识别技术的评价标准 | 第18-20页 |
| ·人脸检测技术的评价指标 | 第18-19页 |
| ·人脸识别技术的评价指标 | 第19-20页 |
| ·论文的研究内容和组织结构 | 第20-21页 |
| ·论文研究内容 | 第20-21页 |
| ·论文组织结构 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第二章 人脸检测和识别经典算法 | 第22-35页 |
| ·人脸检测主要算法 | 第22-28页 |
| ·基于Adaboost 的人脸检测 | 第22-23页 |
| ·基于知识的人脸检测 | 第23-25页 |
| ·基于不变特征的人脸检测 | 第25-26页 |
| ·基于模板匹配的人脸检测 | 第26-27页 |
| ·基于表象的人脸检测 | 第27-28页 |
| ·人脸识别算法 | 第28-34页 |
| ·基于子空间变换的人脸识别 | 第29-31页 |
| ·基于几何特征的人脸识别 | 第31-32页 |
| ·基于神经网络的人脸识别 | 第32-33页 |
| ·基于隐马尔可夫模型的人脸识别 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 视频图像处理 | 第35-45页 |
| ·视频流提取 | 第35页 |
| ·图像预处理 | 第35-39页 |
| ·直方图变换增强 | 第36-38页 |
| ·光照补偿 | 第38-39页 |
| ·视频图像分割 | 第39-44页 |
| ·边缘检测 | 第40-42页 |
| ·颜色分割 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于Adaboost 人脸检测算法的实现 | 第45-60页 |
| ·Adaboost 算法简述 | 第45页 |
| ·Haar 特征及特征值计算 | 第45-50页 |
| ·Haar 特征 | 第46页 |
| ·积分图像 | 第46-47页 |
| ·弱分类器的构造 | 第47-48页 |
| ·强分类器的构造 | 第48-49页 |
| ·级联分类器生成 | 第49-50页 |
| ·Adaboost 算法的改进 | 第50-51页 |
| ·人脸检测算法的实现 | 第51-59页 |
| ·开发工具介绍 | 第51-52页 |
| ·人脸检测实现 | 第52-54页 |
| ·人脸检测结果分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于隐马尔可夫模型的人脸识别 | 第60-71页 |
| ·HMM 的基本思想 | 第60-62页 |
| ·马尔可夫链 | 第60-61页 |
| ·HMM 的基本概念 | 第61-62页 |
| ·HMM 基本算法 | 第62-67页 |
| ·前向-后向算法 | 第63-64页 |
| ·Viterbi 算法 | 第64-65页 |
| ·Baum-Welch 算法 | 第65-67页 |
| ·连续HMM | 第67-68页 |
| ·模型选取与训练 | 第68-70页 |
| ·HMM 初始模型的选取 | 第68-69页 |
| ·模型的训练 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章工作总结与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻硕期间取得的研究成果 | 第76-77页 |
