基于特征融合的人脸识别算法
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 人脸识别研究综述 | 第12-15页 |
1.2.1 基本概念 | 第12页 |
1.2.2 人脸识别技术发展历史 | 第12-13页 |
1.2.3 人脸识别的主流方法 | 第13-15页 |
1.2.4 人脸识别的难点与挑战 | 第15页 |
1.3 本文的研究内容与工作安排 | 第15-17页 |
第2章 Gabor小波特征 | 第17-27页 |
2.1 从Fourier变换到Gabor小波变换 | 第17-18页 |
2.2 Gabor小波变换的生物学意义 | 第18-19页 |
2.3 二维Gabor小波变换 | 第19-20页 |
2.4 人脸的Gabor特征表示 | 第20-23页 |
2.5 Gabor特征的采样 | 第23-26页 |
2.5.1 下采样 | 第23页 |
2.5.2 基于子空间的特征降维方法 | 第23-24页 |
2.5.3 基于弹性图匹配的方法 | 第24页 |
2.5.4 基于Gabor节点的采样方法 | 第24-26页 |
2.6 小结 | 第26-27页 |
第3章 POEM特征 | 第27-32页 |
3.1 预备知识 | 第27-28页 |
3.1.1 LBP算子 | 第27页 |
3.1.2 术语定义 | 第27-28页 |
3.2 POEM特征提取 | 第28-30页 |
3.3 POEM特征的性质 | 第30-31页 |
3.4 POEM特征的采样 | 第31页 |
3.5 小结 | 第31-32页 |
第4章 AdaBoost算法挑选人脸特征 | 第32-39页 |
4.1 AdaBoost算法相关知识概述 | 第32-35页 |
4.1.1 Boosting算法简介 | 第32-34页 |
4.1.2 AdaBoost算法原理 | 第34页 |
4.1.3 弱分类器的训练 | 第34-35页 |
4.2 级联的AdaBoost分类器 | 第35-37页 |
4.2.1 训练级联分类器 | 第36-37页 |
4.3 AdaBoost特征寻优算法 | 第37页 |
4.4 小结 | 第37-39页 |
第5章 算法实现与结果分析 | 第39-47页 |
5.1 人脸识别框架 | 第39页 |
5.2 样本准备 | 第39-42页 |
5.2.1 训练图像 | 第40-41页 |
5.2.2 测试图像 | 第41页 |
5.2.3 特征提取 | 第41-42页 |
5.2.4 生成训练样本 | 第42页 |
5.3 实验结果分析 | 第42-46页 |
5.3.1 训练结果 | 第42-44页 |
5.3.2 测试结果与分析 | 第44-46页 |
5.4 小结 | 第46-47页 |
第6章 总结与展望 | 第47-49页 |
参考文献 | 第49-53页 |
致谢 | 第53页 |