首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共53页,点击 下载论文
上一篇:基于偶发性任务模型的混合关键性实时调度算法研究
下一篇:行波管仿真软件集成系统的设计