人脸检测识别方法研究与系统设计
摘要 | 第1-6页 |
Abstract | 第6-11页 |
第1章 绪论 | 第11-21页 |
·人脸检测研究现状与背景意义 | 第11-12页 |
·人脸检测经典方法概述 | 第12-16页 |
·基于低层特征的方法 | 第12-13页 |
·基于模型的方法 | 第13-14页 |
·基于线性子空间的方法 | 第14-15页 |
·基于人工神经网络的方法 | 第15页 |
·基于统计的方法 | 第15-16页 |
·人脸检测结果的评价指标 | 第16-17页 |
·人脸识别研究现状与方法概述 | 第17-19页 |
·本文主要工作及论文组织结构 | 第19-21页 |
第2章 基于AdaBoost算法的人脸检测方法 | 第21-41页 |
·机器学习与PAC学习模型 | 第21-22页 |
·类Haar特征与积分图 | 第22-26页 |
·类Haar特征 | 第22-24页 |
·积分图 | 第24-26页 |
·AdaBoost学习算法 | 第26-29页 |
·算法介绍 | 第26-28页 |
·弱分类器与强分类器 | 第28-29页 |
·级联分类器 | 第29-32页 |
·人脸检测过程与实现 | 第32-39页 |
·人脸检测过程总体设计 | 第32-33页 |
·训练样本的获取与预处理 | 第33-34页 |
·训练系统框架 | 第34-35页 |
·初始的人脸检测效果 | 第35-36页 |
·添加窗口合并策略的最终人脸检测结果 | 第36-39页 |
·本章小结 | 第39-41页 |
第3章 AdaBoost人脸检测方法的改进 | 第41-51页 |
·AdaBoost与支持向量机SVM结合的方法 | 第41-46页 |
·支持向量机SVM方法概述 | 第41-44页 |
·AdaBoost与SVM结合方法的设计 | 第44-46页 |
·类Haar特征选取的改进 | 第46-47页 |
·实验与结果分析 | 第47-50页 |
·本章小结 | 第50-51页 |
第4章 基于子空间的人脸识别方法 | 第51-61页 |
·PCA方法理论基础 | 第51-55页 |
·K-L变换 | 第51-53页 |
·奇异值分解SVD | 第53页 |
·投影 | 第53-54页 |
·PCA的作用及其统计特性 | 第54-55页 |
·PCA人脸识别方法 | 第55-58页 |
·PCA人脸识别过程与实现 | 第58-60页 |
·本章小结 | 第60-61页 |
第5章 基于DM642的硬件系统设计 | 第61-73页 |
·人脸检测与识别系统功能分析 | 第61-63页 |
·系统的功能概述 | 第61页 |
·处理器的选择 | 第61-62页 |
·TMS320DM642的片上资源简介 | 第62-63页 |
·系统总体构建 | 第63-64页 |
·主电路的设计 | 第64-71页 |
·存储器的设计 | 第64-67页 |
·视频采集模块设计 | 第67-68页 |
·视频输出电路设计 | 第68页 |
·音频输入输出电路的设计 | 第68-69页 |
5 3.5 FPGA的设计 | 第69-71页 |
·外围电路的设计 | 第71-72页 |
·时钟电路设计 | 第71页 |
·电源模块的设计 | 第71-72页 |
·仿真接口的设计 | 第72页 |
·本章小结 | 第72-73页 |
第6章 总结与展望 | 第73-75页 |
·论文总结 | 第73-74页 |
·存在的不足及工作展望 | 第74-75页 |
参考文献 | 第75-79页 |
附录 | 第79-83页 |
致谢 | 第83页 |