文摘
英文文摘
第1章 绪论
1.1 研究背景及意义
1.2 人脸识别研究简史和发展现状
1.3 人脸识别的技术难点
1.4 论文的工作内容及章节安排
第2章 人脸识别的主要技术方法
2.1 色彩空间描述
2.1.1 RGB色系坐标系
2.1.2 HSI HIS格式(色度、饱和度、亮度模型)
2.1.3 YCbCr格式
2.1.4 HSV色系坐标系
2.2 人脸检测技术研究
2.2.1 基于模板匹配的方法
2.2.2 基于外观形状的方法
2.2.3 基于知识的方法
2.2.4 基于特征的方法
2.3 人脸跟踪技术研究
2.3.1 基于区域的跟踪
2.3.2 基于特征点的跟踪
2.3.3 基于变形模板的运动跟踪
2.4 人脸识别的研究
2.4.1 基于子空间变换的方法
2.4.2 基于机器的学习方法
2.4.3 基于模型的方法
2.4.4 弹性图匹配方法
2.5 本章小结
第3章 人脸检测算法研究和实现
3.1 基于肤色的人脸检测
3.1.1 高斯模型与相似度计算
3.1.2 人脸的二值化
3.1.3 投影运算
3.1.4 人脸区域标注
3.1.5 人脸特征提取
3.2 基于AdaBoost人脸检测
3.2.1 AdaBoost算法概述
3.2.2 检测策略
3.2.3 后处理
3.2.4 检测结果
3.3 两种人脸检测方法实验结果比较及分析
3.3.1 评价标准
3.3.2 实验结果及分析
3.3.3 结果分析
3.4 本章小结
第4章 基于CAMSHIFT的人脸跟踪算法研究
4.1 基于CamShift算法的人脸跟踪
4.1.1 颜色概率分布图(Color Probability Distributions)
4.1.2 均值漂移算法(Mean Shift算法)
4.1.3 连续自适应的均值漂移算法(CamShift)
4.1.4 算法实现流程
4.1.5 CamShift算法跟踪结果分析
4.1.6 CamShift算法的特点
4.2 改进的CamShift人脸跟踪算法
4.2.1 确定搜索区域
4.2.2 增强肤色信息
4.2.3 人脸跟踪的实现
4.2.4 人脸跟踪结果及讨论
4.3 本章小结
第5章 基于PCA的人脸识别算法实现
5.1 主分量分析(PCA)
5.1.1 K-L变换的基本原理
5.1.2 最近邻分类器
5.1.3 基于PCA的人脸识别
5.2 基于2DPCA的人脸识别
5.2.1 2DPCA算法的基本原理
5.2.2 2DPCA的特征提取
5.2.3 2DPCA的分类原则
5.3 人脸识别图像库
5.4 实验设计和结果分析
5.5 本章小结
第6章 人脸检测识别系统的软件系统开发
6.1 系统介绍
6.1.1 开发平台
6.1.2 系统框架
6.2 软件组成
6.2.1 OpenCV简介
6.2.2 系统各模块的运行界面
6.3 系统的测试结果分析
6.4 本章小结
第7章 总结和展望
7.1 本文总结
7.2 进一步工作展望
参考文献
致谢
作者简介