声明
摘要
第一章 绪论
1.1 人脸识别简介
1.2 人脸识别算法流程
1.3人脸识别的困难
1.4 主要工作和创新点
1.5 章节安排
第二章 相关工作
2.1 背景介绍:人脸检测和识别中的特征
2.1.1 像素灰度值特征
2.1.2 Haar特征
2.1.3 LBP特征
2.1.4 LE特征
2.2 处理脸部角度的变化
2.2.1 基于角度不变特征的人脸识别
2.2.2 基于弹性模型的人脸识别
2.2.3 基于重建正脸图像的人脸识别
2.3 处理光照和表情变化
2.3.1 去除光照
2.3.2 子空间学习
2.3.3 深度学习
第三章 形状索引特征
3.1 形状索引特征介绍
3.1.1 人脸基准点
3.1.2 消除全局变换
3.1.3 建立局部坐标系
3.2 形状索引特征的优势
3.2.1 精度优势
3.2.2 速度优势
3.3 实验验证
第四章 联合层叠模型
4.1 在人脸检测中使用形状索引特征
4.1.1 简单模型
4.1.2 简单模型的缺点
4.2 联合层叠模型介绍
4.2.1 算法流程
4.2.2 分类回归树
4.2.3 后续分类器
4.3 实验验证
4.3.1 和普通层叠模型的比较
4.3.2 在FDDB数据库上的结果
4.3.3 在AFW数据库上的结果
4.3.4 在CMU-MIT数据库上的结果
4.3.5 在MALF数据库上的结果
4.3.6 运行的时间和内存开销
4.3.7 人脸检测和校准的结果展示
第五章 基于形状索引的高维特征及其运用
5.1 基于形状索引特征的高纬特征
5.1.1 如何构建高维特征
5.1.2 越高越好
5.2 联合贝叶斯模型
5.2.1 贝叶斯模型
5.2.2 简单联合模型
5.2.3 联合贝叶斯模型
5.2.4 联合贝叶斯模型的参数估计
5.3 旋转稀疏回归
5.3.1 稀疏回归模型
5.3.2 旋转稀疏回归模型
5.3.3 旋转稀疏回归模型的求解
5.3.4 旋转稀疏回归模型的优点
5.4 实验验证
5.4.1 高维特征比较实验
5.4.2 联合贝叶斯模型比较实验
5.4.3 旋转稀疏回归模型比较实验
5.4.4 在LFW数据库上的结果
5.5 小结和讨论
第六章 总结与展望
6.1 研究工作总结
6.2 不足和展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果