摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 课题研究的背景及意义 | 第11-12页 |
1.2 人脸识别理论概述 | 第12-16页 |
1.2.1 人脸检测 | 第13-14页 |
1.2.2 特征提取 | 第14-15页 |
1.2.3 特征比对 | 第15-16页 |
1.3 国内外研究现状 | 第16-17页 |
1.4 本文的主要内容及结构安排 | 第17-20页 |
1.4.1 本文的主要内容 | 第17-18页 |
1.4.2 本文结构安排 | 第18-20页 |
第二章 图像预处理及人脸图像归一化 | 第20-37页 |
2.1 图像预处理 | 第20-30页 |
2.1.1 直方图均衡 | 第20-21页 |
2.1.2 伽马校正 | 第21-22页 |
2.1.3 自适应图像增强算法 | 第22-27页 |
2.1.4 改进的自适应图像增强算法 | 第27-30页 |
2.2 人脸图像归一化 | 第30-36页 |
2.2.1 人脸姿态归一化 | 第30-33页 |
2.2.2 人脸光照归一化 | 第33-36页 |
2.3 本章小结 | 第36-37页 |
第三章 基于肤色分割和Adaboost算法的人脸检测方法 | 第37-51页 |
3.1 引言 | 第37页 |
3.2 人脸肤色模型 | 第37-40页 |
3.2.1 指定肤色区域 | 第37-38页 |
3.2.2 高斯肤色模型 | 第38-39页 |
3.2.4 实验结果与分析 | 第39-40页 |
3.3 基于Adaboost算法的人脸检测 | 第40-45页 |
3.3.1 Adaboost算法 | 第40-41页 |
3.3.2 训练级联分类器 | 第41-42页 |
3.3.3 检测过程的实现 | 第42-43页 |
3.3.4 实验结果与分析 | 第43-45页 |
3.4 肤色分割过程 | 第45-47页 |
3.4.1 肤色检测 | 第45页 |
3.4.2 连通区域恢复 | 第45-46页 |
3.4.3 肤色区域筛选 | 第46页 |
3.4.4 实验结果与分析 | 第46-47页 |
3.5 基于肤色分割和Adaboost算法的人脸检测过程 | 第47-48页 |
3.6 实验结果与分析 | 第48-50页 |
3.7 本章小结 | 第50-51页 |
第四章 多特征融合的人脸识别方法 | 第51-62页 |
4.0 引言 | 第51页 |
4.1 特征提取方法简介 | 第51-54页 |
4.1.1 局部二值模式(LBP) | 第51-52页 |
4.1.2 Gabor特征 | 第52-54页 |
4.2 主成分分析方法 | 第54-55页 |
4.2.1 主成分分析(PCA) | 第54页 |
4.2.2 白化主成分分析(WPCA) | 第54-55页 |
4.3 多特征融合的人脸识别方法 | 第55-58页 |
4.3.1 多特征融合框架 | 第55页 |
4.3.2 特征提取 | 第55-56页 |
4.3.3 WPCA降维 | 第56-57页 |
4.3.4 特征归一化 | 第57-58页 |
4.3.5 特征融合 | 第58页 |
4.3.6 特征相似度 | 第58页 |
4.4 实验结果与分析 | 第58-61页 |
4.4.1 图像数据及实验背景 | 第58-59页 |
4.4.2 实验结果 | 第59-61页 |
4.5 本章小结 | 第61-62页 |
第五章 系统设计与实现 | 第62-69页 |
5.1 引言 | 第62页 |
5.2 系统开发环境 | 第62-63页 |
5.2.1 硬件设备 | 第62-63页 |
5.2.2 系统开发软件环境及平台 | 第63页 |
5.2.3 系统指标 | 第63页 |
5.3 系统设计 | 第63-64页 |
5.4 系统实现 | 第64-68页 |
5.4.1 注册模块 | 第65-66页 |
5.4.2 识别模块 | 第66页 |
5.4.3 信息管理模块 | 第66-67页 |
5.4.4 参数配置模块 | 第67-68页 |
5.5 本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-72页 |
6.1 工作总结 | 第69-70页 |
6.2 展望 | 第70-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-77页 |
攻硕期间取得的成果 | 第77-78页 |