文摘
英文文摘
第一章绪论
1.1研究背景和意义
1.2人脸识别的研究内容
1.3人脸识别的难点
1.4本文的研究思想和主要工作
1.5论文的结构
第二章人脸识别的研究现状
2.1静止图像中人脸识别方法
2.1.1基于几何特征的识别
2.1.2基于模板的识别
2.1.3基于模型的识别
2.2视频系列中人脸识别方法
2.3三维人脸识别方法
2.4人脸识别国内研究现状
2.5小结
第三章人脸图像的预处理
3.1论文研究测试用到的人脸图像库
3.1.1 ORL人脸图像库
3.1.2自建人脸图像库
3.2人脸图像的预处理
3.3.1基于仿射变换的几何矫正
3.3.2灰度分布正规化
3.3人脸识别系统的评价
3.4小结
第四章嵌入式隐Markov模型基本理论及其训练算法的改进
4.1隐Markov模型基本理论
4.1.1隐Markov模型
4.1.2嵌入式隐Markov模型
4.1.3嵌入式隐Markov模型的三个基本算法
4.2嵌入式隐Markov模型人脸识别
4.2.1人脸图像的嵌入式隐Markov模型
4.2.2观察向量的选择
4.3嵌入式隐Markov模型的训练和识别
4.3.1训练和识别流程
4.3.2一些具体计算问题
4.3.3嵌入式隐Markov模型人脸识别系统流程
4.4改进的嵌入式隐Markov模型训练算法
4.4.1加权合成的嵌入式隐Markov模型训练算法
4.4.2增量式训练方法—模块化嵌入式隐Markov模型训练算法
4.5 Viterbi训练算法
4.6人脸识别实验
4.7小结
第五章E-HMM/ANN混合识别网络
5.1 E-HMM人脸识别器
5.2 E-HMM/ANN混合识别网络拓扑结构
5.3 E-HMM/ANN混合识别网络训练算法
5.3.1基于互熵函数准则的神经网络二阶学习算法
5.3.2 E-HMM/ANN混合识别网络的训练和识别
5.4人脸识别实验
5.5小结
第六章E-HMM/ANN混合模型
6.1 E-HMM/ANN混合模型
6.1.1 E-HMM/ANN混合模型定义
6.1.2 E-HMM/ANN混合模型拓扑结构
6.2 E-HMM/ANN混合模型训练算法
6.3 E-HMM/ANN混合模型训练算法实现中的问题
6.3.1多个观察向量序列训练
6.3.2数值稳定性问题
6.4发散问题
6.4.1 Bayes训练算法
6.4.2基于最大后验概率准则的训练算法
6.5 E-HMM/ANN混合模型建模训练和检测识别流程
6.5.1预处理
6.5.2 E-HMM/ANN混合模型的训练流程
6.5.3 E-HMM/ANN混合模型训练算法复杂度分析
6.5.4 E-HMM/ANN混合模型人脸识别系统流程
6.6人脸识别实验
6.7小结
第七章总结与展望
7.1总结
7.2对进一步工作的展望
参考文献
附录1 ORL人脸图像库中部分对象脸像
附录2自建人脸图像库中部分对象脸像
攻读博士学位期间发表(录用)论文
创新点摘要
致谢
大连理工大学;