基于图像的人脸皱纹提取技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 人脸检测研究现状 | 第11-14页 |
| 1.2.2 人脸识别研究现状 | 第14-15页 |
| 1.2.3 皱纹检测研究现状 | 第15-17页 |
| 1.3 亟待解决的问题 | 第17页 |
| 1.4 研究的主要内容 | 第17-18页 |
| 1.5 技术路线图 | 第18-19页 |
| 1.6 论文组织结构 | 第19-20页 |
| 第二章 基于Adaboost分类算法的人脸检测 | 第20-29页 |
| 2.1 Boosting算法 | 第20-21页 |
| 2.2 Adaboost算法 | 第21-23页 |
| 2.2.1 Adaboost算法概述 | 第21页 |
| 2.2.2 Adaboost算法构造流程 | 第21-23页 |
| 2.3 Haar特征和积分图 | 第23-25页 |
| 2.4 级联分类器在人脸初始位置检测中的实际应用 | 第25-27页 |
| 2.5 实验结果 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于主动轮廓模型的内脸提取 | 第29-36页 |
| 3.1 算法概述 | 第29页 |
| 3.2 主动轮廓模型的产生 | 第29-30页 |
| 3.3 主动轮廓模型的建立 | 第30-32页 |
| 3.4 内脸提取 | 第32页 |
| 3.5 实验结果 | 第32-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 基于人脸对齐算法的关键点定位 | 第36-52页 |
| 4.1 人脸对齐算法 | 第36-38页 |
| 4.1.1 人脸对齐算法概述 | 第36-37页 |
| 4.1.2 人脸对齐算法构成流程 | 第37-38页 |
| 4.2 人脸图像皱纹可疑区域的定位 | 第38-49页 |
| 4.3 实验结果 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于图像的人脸皱纹提取系统开发 | 第52-60页 |
| 5.1 系统需求分析 | 第52页 |
| 5.2 系统总体框架及设计 | 第52-53页 |
| 5.3 系统功能实现与测试 | 第53-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
