基于属性空间的人脸识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 引言 | 第14页 |
| 1.2 课题研究背景及意义 | 第14-15页 |
| 1.3 人脸识别技术的发展及研究现状 | 第15-16页 |
| 1.3.1 人脸识别过程 | 第15页 |
| 1.3.2 人脸识别技术的发展 | 第15-16页 |
| 1.3.3 国内外研究现状 | 第16页 |
| 1.4 常用的人脸识别方法 | 第16-17页 |
| 1.5 论文主要内容及结构 | 第17-19页 |
| 第二章 人脸属性提取 | 第19-33页 |
| 2.1 人脸图像属性 | 第19-24页 |
| 2.1.1 局部属性 | 第19-21页 |
| 2.1.2 全局属性 | 第21-24页 |
| 2.2 属性数据模拟 | 第24-28页 |
| 2.2.1 人脸数据库 | 第24-26页 |
| 2.2.2 数据模拟 | 第26-28页 |
| 2.3 数据处理 | 第28-31页 |
| 2.3.1 人脸检测 | 第28-29页 |
| 2.3.2 人脸对齐 | 第29-30页 |
| 2.3.3 特征提取 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 构建属性分类器 | 第33-46页 |
| 3.1 支持向量机 | 第33-40页 |
| 3.1.1 线性支持向量机 | 第34-37页 |
| 3.1.2 非线性支持向量机 | 第37-38页 |
| 3.1.3 多类支持向量机 | 第38-40页 |
| 3.2 性能评估指标 | 第40-42页 |
| 3.2.1 鉴别率 | 第40页 |
| 3.2.2 认证率 | 第40-42页 |
| 3.3 属性数据测试结果 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于属性空间的人脸识别研究 | 第46-68页 |
| 4.1 高斯模型 | 第46-48页 |
| 4.1.1 单高斯模型 | 第47页 |
| 4.1.2 混合高斯模型 | 第47-48页 |
| 4.2 期望最大化算法 | 第48-52页 |
| 4.2.1 期望最大化算法含义 | 第48页 |
| 4.2.2 期望最大化算法原理 | 第48-52页 |
| 4.3 混合高斯模型中的EM算法 | 第52-56页 |
| 4.4 参数初始化 | 第56-59页 |
| 4.4.1 参数初始化常用方法 | 第56-57页 |
| 4.4.2 K均值算法 | 第57-59页 |
| 4.5 人脸属性空间的建立 | 第59-60页 |
| 4.6 数据标准化 | 第60-62页 |
| 4.6.1 数据标准化简述 | 第60-61页 |
| 4.6.2 Z-score标准化 | 第61-62页 |
| 4.7 实验结果及其分析 | 第62-67页 |
| 4.7.1 相似度和距离 | 第62-63页 |
| 4.7.2 Multi-PIE数据库 | 第63-66页 |
| 4.7.3 CAS-PEAL数据库 | 第66-67页 |
| 4.8 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文主要工作 | 第68页 |
| 5.2 未来展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第75-76页 |
