声明
摘要
第一章 绪论
1.1 人脸识别的背景与意义
1.2 人脸识别的历史与现状
1.3 应用领域
1.4 本文的主要内容与结构安排
第二章 人脸识别的常用算法
2.1 引言
2.2 主成分分析(PCA)
2.2.1 KL变换原理
2.2.2 PCA在人脸识别上的应用
2.3 局部二值模式(LBP)
2.4 Gabor小波特征
2.4.1 Gabor小波滤波器在人脸识别中的应用
2.5 Adaboost方法
2.5.1 Haar-like特征和积分图
2.5.2 Adaboost算法
2.5.3 多分类器级联结构
2.6 本章小结
第三章 基本AAM算法和改进的特征点定位方法
3.1 引言
3.2 AAM模型的建立
3.2.1 AAM形状建模
3.2.2 AAM纹理建模
3.2.3 AAM模型实例
3.3 AAM模型的拟合
3.3.1 Lucas-Kanade(LK)算法
3.3.2 反向组合算法
3.3.3 基于反向组合算法的AAM匹配
3.4 基于扩展Haar特征和人脸肤色分割的特征点初始化
3.4.1 扩展Haar特征的人脸检测
3.4.2 人脸肤色分割确认
3.5 本章小结
第四章 基于AAM姿态矫正和局部加权匹配的人脸识别
4.1 引言
4.2 局部匹配人脸识别
4.2.1 图像对齐和分区
4.2.2 局部特征提取
4.2.3 分类和组合
4.3 改进的局部匹配人脸识别
4.3.1 基于AAM的图像对齐与姿态矫正
4.3.2 Gabor jct与形状信息和全局纹理信息的结合
4.3.3 熵增强的Borda count
4.3.4 Borda count的加阈值改进
4.4 实验结果与分析
4.4.1 数据库的选择
4.4.2 实验流程与实验结果
4.5 本章小结
第五章 总结与展望
致谢
参考文献
作者在读期间的研究成果