首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸识别系统及关键算法研究

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

论文共78页,点击 下载论文
上一篇:改进的K-近邻模式分类
下一篇:Spiking神经网络及其在图像处理技术上的应用研究