人脸视觉检测与性别识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 人脸性别识别的研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 常用人脸图像库 | 第14-15页 |
| 1.4 论文的主要内容和安排 | 第15-19页 |
| 1.4.1 本文的主要研究内容 | 第15-16页 |
| 1.4.2 本文的内容安排 | 第16-19页 |
| 第2章 人脸性别识别方法概述 | 第19-29页 |
| 2.1 人脸检测方法 | 第19-21页 |
| 2.1.1 基于特征的人脸检测方法 | 第19-20页 |
| 2.1.2 基于分类器的人脸检测 | 第20-21页 |
| 2.2 特征提取方法 | 第21-25页 |
| 2.2.1 全局特征提取方法 | 第21-23页 |
| 2.2.2 局部特征提取方法 | 第23-25页 |
| 2.3 性别分类方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 人脸检测与双眼定位 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 人脸检测性能评价 | 第29-30页 |
| 3.3 基于Adaboost的人脸检测 | 第30-37页 |
| 3.3.1 Adaboost算法原理 | 第30-34页 |
| 3.3.2 训练人脸检测器 | 第34-35页 |
| 3.3.3 实验结果与分析 | 第35-37页 |
| 3.4 双眼定位 | 第37-40页 |
| 3.4.1 基于Adaboost的双眼粗略定位 | 第38页 |
| 3.4.2 基于积分投影的双眼精确定位 | 第38-40页 |
| 3.5 人脸图像预处理 | 第40-43页 |
| 3.5.1 人脸图像灰度化 | 第40-41页 |
| 3.5.2 人脸图像几何归一化 | 第41-42页 |
| 3.5.3 人脸图像直方图均衡化 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 人脸性别特征提取 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 特征提取 | 第45-51页 |
| 4.2.1 纹理特征提取 | 第46-48页 |
| 4.2.2 形状特征提取 | 第48-49页 |
| 4.2.3 改进的分块方法 | 第49-51页 |
| 4.3 特征选择 | 第51-56页 |
| 4.3.1 mRMR算法介绍 | 第51-53页 |
| 4.3.2 原始mRMR算法的不足 | 第53页 |
| 4.3.3 改进的mRMR特征选择 | 第53-54页 |
| 4.3.4 实验结果 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 分类器的设计 | 第57-71页 |
| 5.1 引言 | 第57页 |
| 5.2 SVM基本原理 | 第57-61页 |
| 5.2.1 最优超平面 | 第57-58页 |
| 5.2.2 线性可分 | 第58-60页 |
| 5.2.3 非线性可分 | 第60-61页 |
| 5.2.4 核函数的选择 | 第61页 |
| 5.3 特征的融合技术 | 第61-62页 |
| 5.4 实验结果与分析 | 第62-69页 |
| 5.4.1 图像与子块尺寸选择实验结果 | 第63-65页 |
| 5.4.2 特征选择后的实验结果 | 第65-68页 |
| 5.4.3 特征融合后的实验结果 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
