多视角人脸识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| CONTENTS | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸识别的研究意义 | 第10-11页 |
| ·人脸识别的发展现状 | 第11-12页 |
| ·人脸识别的研究内容 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第二章 人脸图像预处理 | 第16-20页 |
| ·图像获取及预处理 | 第16-17页 |
| ·人脸图像的灰色转化处理 | 第17页 |
| ·尺寸归一化 | 第17-20页 |
| 第三章 Boosting学习算法 | 第20-28页 |
| ·Boosting算法概述 | 第20页 |
| ·PAC学习模型 | 第20-22页 |
| ·PAC模型的定义 | 第21页 |
| ·强PAC学习算法与弱PAC学习算法 | 第21-22页 |
| ·AdaBoost学习算法 | 第22-26页 |
| ·AdaBoost学习算法的基本原理 | 第22-23页 |
| ·AdaBoost学习算法的训练误差分析 | 第23-24页 |
| ·AdaBoost学习算法的泛化误差分析 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第四章 特征提取及分类器设计 | 第28-33页 |
| ·特征提取的研究方法 | 第28-29页 |
| ·基于整体的研究方法 | 第28-29页 |
| ·基于局部的研究方法 | 第29页 |
| ·基于SVD的特征提取 | 第29-31页 |
| ·分类器选择 | 第31-33页 |
| 第五章 多模版adaboost检测算法 | 第33-40页 |
| ·adaboost算法步骤 | 第33-36页 |
| ·弱分类器 | 第36页 |
| ·强分类器 | 第36页 |
| ·Haar特征 | 第36-37页 |
| ·积分图 | 第37-38页 |
| ·多角度人脸分类器 | 第38-40页 |
| 第六章 实验结果与分析 | 第40-45页 |
| ·实验数据库的选取 | 第40页 |
| ·训练样本预处理 | 第40-45页 |
| ·归一化 | 第41页 |
| ·均衡化 | 第41-42页 |
| ·粗检测 | 第42页 |
| ·实验结果分析 | 第42-45页 |
| 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读学位期间的研究成果 | 第49-51页 |
| 致谢 | 第51页 |
