文摘
英文文摘
长沙理工大学学位论文原创性声明及学位论文版权使用授权书
第一章绪论
1.1论文背景
1.1.1问题的提出
1.1.2人脸识别的应用
1.2人脸识别的发展现状
1.2.1神经生理学、心理学的主要结果
1.2.2机器识别人脸的现状
1.3人脸识别的研究范围以及方法
1.3.1人脸定位和检测
1.3.2人脸特征提取
1.3.3人脸识别的方法
1.4论文内容安排
第二章人脸识别方法综述
2.1引言
2.2基于统计的识别方法
2.2.1特征脸方法
2.2.2隐马尔科夫模型
2.3基于连接机制的识别方法
2.3.1基于神经网络的方法
2.3.2弹性图匹配方法
2.4其它人脸识别方法
2.4.1基于几何特征的人脸识别方法
2.4.2基于模板匹配的人脸识别方法
2.5其它一些综合方法或处理非二维灰度图像的方法
第三章人脸识别相关算法与方法
3.1免疫算法
3.1.1引言
3.1.2免疫算法简介
3.2小波分析
3.2.1小波简介
3.2.2常用于提取特征的小波
3.3支持向量机
3.3.1引言
3.3.2支持向量机的简介
3.3.3支持向量机常用的核函数
3.3.4支持向量机的训练
3.3.5支持向量机组合的几种拓扑结构
3.4聚类算法简介
3.4.1模糊C均值聚类算法(FCM)
3.4.2系统聚类法
3.4.3C均值聚类算法
3.4.4度量样本间距离的常用方法
3.4.5度量类与类间距离的常用方法
3.5神经网络
3.5.1神经网络的发展概况
3.5.2神经网络的结构及类型
3.5.3神经元的学习算法
3.5.4神经网络的应用
3.5.5 BP网络
3.6离散余弦变换
3.6.1引言
3.6.2离散余弦变换
第四章正面人脸识别
4.1引言
4.2免疫算法在人脸识别中的应用
4.3基于免疫算法和层次支持向量机的人脸识别方法
4.3.1人脸识别系统设计
4.3.2图像的特征提取
4.3.3层次型支持向量机及其训练
4.3.4基于免疫算法和层次支持向量机的人脸识别
4.3.5实验仿真及结果分析
4.4引入聚类方法的人脸识别系统
4.4.1引言
4.4.2两种聚类算法
4.4.3支持向量机组合的拓扑结构
4.4.4人脸识别系统结构图
4.4.5引入聚类方法的人脸识别过程
4.4.6实验仿真及结果分析
第五章基于神经网络和支持向量机的多姿态人脸识别
5.1引言
5.2多姿态人脸识别的新进展
5.3基于单视图或小样本的多姿态人脸识别技术
5.3.1目前的基于单视图的多姿态人脸识别技术研究成果
5.3.2基于单视图或小样本的多姿态人脸识别的可能技术途径
5.4基于神经网络和层次支持向量机的姿态人脸识别方法
5.4.1基于神经网络和层次支持向量机的姿态人脸识别方法的流程图
5.4.2基于神经网络和层次支持向量机的姿态人脸识别方法的神经网络
5.4.3基于神经网络和层次支持向量机的姿态人脸识别过程
5.4.4实验仿真及结果分析
总结与展望
致谢
参考文献
附录A(在学期间完成的学术论文及参加的科研项目)
附录B(人脸识别系统的部分界面)
附录C(部分源代码)1
附录C(部分源代码)2