一、键盘用户身份验真与加权主分量分类器（论文文献综述）
付茜雯[1]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中进行了进一步梳理科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
张磊[2]（2020）在《实用化多模态脑-机接口中若干关键技术的研究》文中提出脑-机接口（Brain-Computer Interface,BCI）是一种特殊的人机交互技术,其以头皮表面检测到的脑电信号（Electroencephalogram,EEG）为信息载体,实现人脑对外部设备的直接控制。BCI技术的研究具有重要的理论意义和广阔的应用前景。基于EEG的BCI系统主要有四种类型:稳态视觉诱发电位（Steady-State Visual Evoked Potentials,SSVEPs）、运动想象（Motor Imagery,MI）、基于事件相关电位的P300和慢皮质电位。不同类型的BCI系统各有优缺点。混合BCI技术是通过结合两种或两种以上的传统BCI模式来弥补单一模式的缺点,开发出功能更强、稳定性更好的多模态BCI系统。尽管脑-机接口系统的性能方面获得了很大的突破,但就目前而言,BCI系统在可靠性和普适性方面还不够完美。这些不足主要是由于脑电信号低的信噪比,易受噪声干扰和非稳态特性引起的。本论文主要对BCI研究领域的运动想象和稳态视觉诱发两大方向展开相关研究。以脑-机交互的自主可控性和稳定性改善为主要目标,并注重训练和操作过程的“自然性”和“舒适性”等指标,从而设计与实现实用化的BCI在线系统。围绕上述目标,分别从脑电信号采集、信号处理、特征提取和分类识别等模块进行相关研究。研究内容主要包含两大部分,即理论研究和系统实现。理论研究的核心是EEG信号处理和模式识别算法的研究。在运动想象脑-机接口（Motor Imagery BCI,MI-BCI）方面,重点研究共同空间模式（Common Spatial Pattern,CSP）和独立分量分析（Independent Component Analysis,ICA）的空域滤波方法在MI-BCI中的合理应用。在SSVEP-BCI方面,重点研究典型相关算法（Canonical Correlation Analysis,CCA）在异步BCI中的应用。为了综合评测不同算法的性能指标,分别建立了MI-BCI和SSVEP-BCI数据库和算法评测平台。系统实现的难点是建立合理的脑-机协同控制策略,研究多模态BCI的融合技术,搭建在线和异步模式的BCI系统。在系统实现的过程中,需要解决一系列工程问题,例如软件系统的开发、数据的实时通信、算法的识别精度与执行效率之间平衡等情形。本文的主要贡献和创新点主要体现在以下几个方面:第一,针对传统的CSP算法稳定性不好和训练模型易受噪声干扰的缺点,本文综合现有多种类型CSP算法的优点,从时间-频率-空间联合优化角度出发,提出滑动频带滤波的CSP算法,用于自动寻找稳定的个性化特征参数。该方法可以有效降低检测阶段的计算成本,便于实现少导联和低成本的BCI系统。实验结果表明,所提算法不仅识别率好,而且执行效率高,满足在线模式MI-BCI系统开发的需求。第二,为了减少MI-BCI系统的训练时间和解决传统的ICA算法不易使用的劣势,通过对多种经典的ICA算法进行研究和对比分析,提出一种应用于MI-BCI在线系统检测的改进的信息极大化ICA算法。该方法可从较少的无标签训练数据中自动检测和输出与运动想象类别相关的独立分量,大幅缩短训练时间,有效提高计算效率;此外,所提算法在不同被试之间具有较好的模型迁移性能,鲁棒性好,所设计的BCI系统运行状态稳定。第三,针对现有的MI-BCI系统目标较少和信息传输率较低的局限性,本文融合自发脑电alpha节律可以自主控制和SSVEP目标数量多的优点,设计一种新型模式混合的BCI系统。同时提出一种滑动窗投票判断策略的算法,能够将计算效率高效的CCA算法应用于连续控制的异步SSVEP-BCI系统中。结果显示,系统的信息传输速率（Information Transmission Rate,ITR）和灵敏度都得到了明显的提高,这对开发实用化的多模态BCI在线系统具有重要的意义。第四,依照设计目标,分别设计与开发了基于空域滤波的MI-BCI同步在线系统、基于EEG和EOG混合的异步MI-BCI系统以及基于Alpha节律和SSVEP混合的异步BCI系统,各项指标满足设计要求。系统实现工作使得BCI理论研究成果可以落地,表明本论文所做的工作具有实际应用价值。文章最后,对本论文的研究工作和相关成果进行总结,并对下一步的研究方向进行展望。
梅比[3]（2020）在《面向爆破安全的远程测振系统关键技术研究与应用》文中研究指明随着国家经济建设快速发展,工程爆破技术在矿山资源开采、铁路、高速公路、水利枢纽电站、核电站以及城市建设中发挥着越来越重要的作用。在工程爆破技术被广泛应用并给社会带来巨大经济效益的同时,伴随产生的爆破振动效应对爆区周围建（构）筑物、设施的安全影响一直是工程爆破领域的难题,长期困扰着工程爆破领域。中国工程爆破行业协会提出了“数字爆破”发展思路,为爆破安全数字化、智能型监管带来了新的发展机遇。为确保爆破施工安全,国家《爆破安全规程》（GB6722-2014）中要求“D级以上爆破工程均需进行爆破振动监测”。随着计算机、网络、通信、网格及互联网技术的快速发展,现代测试系统已越来越以计算机和信息处理为核心,测振系统智能化成为未来发展方向。因此本文开展面向爆破安全的远程测振系统关键技术与应用研究。主要研究工作和取得的成果如下:（1）开展了远程测振系统设计研究。基于数字爆破测振需求,为实现爆破测振数据自动、远程传输和数据处理,爆破测振仪器、设备和系统的远程标定,进行了远程测振系统体系架构及技术框架的整体设计;对该系统功能、运行环境、逻辑结构、数据逻辑结构进行了分析研究和科学化设计;为确保系统安全及数据安全,进行了远程测振系统安全性设计和基于代理权限的授权方法研究。（2）开展了远程测振系统的云计算框架设计。对云计算逻辑结构、云平台管理软件及虚拟化管理软件进行了优化设计,确定了云计算框架方案。（3）进行了远程测振系统开发。采用flex作为表示层技术,spring管理类和hibernate,hibernate和数据库交互,进行了数据库设计、接口设计,各子系统之间调用采用Webservice+ESB结构,基于Webservice的SCA开发技术,ESB作为服务总线,完成了远程测振系统开发。（4）开展了数字爆破测振信号预处理方法研究。考虑到远程测振系统所搭载的速度传感器固有频率下限的限制以及数字爆破测振环境中噪声干扰,可能导致爆破振动实测信号存在低频干扰。基于SGWT进行了测振信号低频趋势项去除方法研究,同时研究确定了远程测振系统中高频噪声分离方法,为远程测振系统精细化数据分析奠定了基础。（5）进行了远程测振系统中数字爆破测振信号的时频特征分析方法研究。基于匹配追踪算法及魏格纳-威利分布时频分析原理,为克服传统时频分析算法在远程测振系统的数字爆破测振信号特征分析过程中存在的缺陷,研究提出了MP-WVD改进算法。采用仿真信号进行算法有效性分析,并与短时傅里叶变换、小波变换等分析结果进行对比分析,最终确定了远程测振系统中由SGWT作为低频趋势项去除及高频噪声滤波技术,MP-WVD改进算法作为数字爆破测振信号的时频特征分析方法的精细化数据处理方案,有效保证了远程测振系统测试数据分析结果的精度以及应用价值。（6）开展了爆破振动强度智能预报算法研究。爆破施工前进行爆破振动危害效应超前预报,为确保爆破安全具有重要现实意义。基于PCA和Adaboost-SVM组合算法提出了爆破振动强度预报模型,能够实现对爆破振动加速度峰值的准确预测,进一步提高了远程测振系统的实用性和有效性。（7）开展了远程测振系统的工程应用研究。为论证远程测振系统设计科学合理性以及数据分析处理算法的精度,结合楼房拆除爆破及核电石方爆破工程中爆破振动、塌落振动危害效应测试项目进行了工程应用试验。研究表明,基于数字爆破理念研究得到的远程测振系统能够实现爆破振动及塌落振动危害效应的实时监测,远程采集得到的数据精度高、安全性好、无法人工干预修改,能够实现数据特征精确提取和爆破振动强度的高精度预报。本文研究成果可用于各类爆破工程的振动安全控制,对于有效地控制爆破地震波危害、降低爆破施工对周边环境的影响、对于加快发展我国的爆破理论和爆破技术的研究都具有重要应用价值。
赖章勇[4]（2016）在《基于人脸识别的考生身份验证系统的设计》文中研究说明近年来,随着时代的进步和科学技术的发展,社会对各方面的人才要求越来越高。而在我国通常采用考试的方式选拔优秀人才,考试的结果直接或者间接的影响着每位考生的命运,因此考试一直都受到广泛的关注。近十多年来,人才的竞争日趋激烈,考生的压力随之加大。在许多考试中出现了危害公众利益,影响考试真实性和有效性的替考现象,考试的公平性问题变得日益突出。如何加强考生身份验证的准确率,保证考试的公平公正已经成为全社会一个亟待解决的问题。近些年来,全国很多地方陆续采用指纹识别的方式验证考生身份,目前采用的有基于andriod系统的安软科技考务通和智慧考务系统。但是在使用中发现,指纹易造假导致有时仍无法有效杜绝考生替考现象。针对以上问题,本文设计了基于人脸识别的考生身份验证系统。该设计选择了ARM9为核心处理器,采用Linux为操作系统,以机器视觉库OpenCV为图像处理工具,采用Qt工具设计人机交互界面。程序中采用了基于Adaboost方法的人脸检测算法,运用了Eigenface方法的人脸识别方法。实现了基本的人脸检测和识别功能。在算法方面,研究了人脸检测和识别中采用到的图像预处理方法,比如图像灰度变换、图像尺度变换、图像的直方图均衡化处理以及图像的中值滤波等方法,并且实现了在Linux系统下用OpenCV来进行相应的图像处理。深入研究了基于Adaboost的人脸检测算法。采用Lienhart和Viola提出的经典特征模型来产生弱分类器,然后从弱分类器中选出最优弱分类器,采用Adaboost算法将最优弱分类器组合形成强分类器,再将强分类器级联成级联分类器。实现了采用OpenCV训练工具按步骤训练形成可用于人脸检测的分类器。研究并采用了基于PCA的Eigenface人脸识别技术,在人脸识别中运用PCA算法进行特征降维形成特征脸空间,将训练的人脸图像和待检测的人脸图像映射分别到特征脸空间形成特征脸向量,并且进行比对得出比对结果。在硬件方面,设计了前端控制板系统的原理图和PCB。首先选取了以S3C2440芯片为处理器的核心板,以此为核心设计了控制板原理图。原理图的功能模块主要包含5V和3.3V的电源电路、核心板接口电路、USB接口电路、基于UVC协议的USB摄像头图像采集模块、CS8900A通信模块电路、LCD显示电路等模块。在软件方面,设计了系统前端控制板的应用程序。首先,搭建PC端和控制板端的开发环境,包括Linux系统的配置和移植,OpenCV的编译和移植,Qt的交叉编译和移植等。其次,在Linux下采用Qtcreator工具结合OpenCV编写了应用程序,功能模块包括人机交互界面、USB摄像头视频和图像获取程序、Qt软键盘、人脸检测程序、人脸识别程序、网络通信程序等。通过对控制板电路是否存在短路和断路情况的测试,以及对人机交互界面、图像采集、人脸检测和人脸识别等功能模块的测试,验证了系统的性能。测试表明,系统的硬件和软件可以很好地契合。目前系统运行稳定,实现了人脸检测和人脸识别功能。
李真臻[5]（2011）在《基于击键动作时序和手形特征的用户身份验证》文中进行了进一步梳理在现代社会,如何高效的防范金融欺诈、账户盗取、系统入侵、网络盗号、信息窃取等新形式高科技高智商犯罪,为金融安全、信息安全和人身安全保驾护航,预防暴力事故、恐怖袭击,一直是一个重要的议题。随着科技的不断创新,防范个人账户信息的泄漏,加强用户身份的鉴别,在保障个人财产、信用和人身安全方面尤为重要。比尔·盖茨曾经预言：“生物识别技术,将成为未来几年IT产业的重要革新”。并称之为“21世纪最重要的应用技术之一”,表明了生物特征识别技术的发展前景无限美好。而利用生物特征识别技术来进行身份验证和识别,是身份鉴别研究的发展方向和研究趋势。本文在研究了不同生物特征识别技术后,提出了基于击键动作时序和手形特征的复合生物特征识别方法来进行用户身份验证。通过采用双目摄像头分别对手部的前视图和顶视图进行分析,自主实现了手形图像的预处理、特征提取、以及匹配决策等一系列过程,并利用击键时序特征,成功的设计并完成了一个认证系统,并获得了良好的实验效果。
刘学军,陈松灿,彭宏京[6]（2002）在《基于支持向量机的计算机键盘用户身份验真》文中研究说明口令认证因为简便易实现而被大多数计算机系统所采用 ,但容易被盗用 ,存在着严重的安全隐患 ,而利用对用户的键入特性的识别 ,可以大大加强口令认证的可靠性 .在对国内外众多学者所做工作研究的基础上 ,鉴于支持向量机在进行模式识别时所具有的优良性能 ,提出利用支持向量机进行键入特性的验真 ,并通过实验将其与BP,RBF,PNN和 L VQ四种神经网络模型进行对比 ,证实采用 SVM进行键入特性验真的有效性 ,因而其具有广阔的应用前景 .
刘学军[7]（2002）在《键盘用户身份验真与加权主分量分类器》文中认为传统的计算机系统登录方式为单一的口令认证，其弊端是口令易被泄露，带来安全隐患，而采用人的生物特征（如指纹和击键模式等）结合传统认证方式可增强系统的安全性。考虑到键入特性认证无须增加额外设备（如指纹录入仪等），成本低，本文将结合口令认证进行身份验证研究。在已有研究基础上，提出采用SVM（SupportVector Machines）进行键入模式识别，通过实验得出了较好的识别结果。 此外基于PCC（Principle Component Classifier）研究了一类基于核的分类器，通过在PCC中引入加权函数得到抗野值能力更强和推广性能更优的加权WPCC（Weighted PCC）。分析和实验证实了所提模型在处理野值和推广能力上的优越性。
刘典婷[8]（2009）在《红外与可见光人脸图像的融合识别算法研究》文中指出生物特征识别技术是一种具有高可靠性和高稳定性的身份鉴别技术。在各种生物特征识别技术中,人脸的识别技术是一项极具有发展潜力的生物特征识别技术,同时也是计算机视觉与模式识别领域非常活跃的研究课题,它在公共安全、信息安全、金融等领域具有潜在的应用前景。多模态人脸图像的融合识别,是对多种传感器提供的人脸图像进行融合处理,结合不同模态图像之间的互补信息以获得更好的识别性能。这种融合技术既保持了原有人脸识别算法的性能,又能融合多种传感器提供的有效鉴别信息,提高识别的精度和鲁棒性。因此,这是一个很有前景的研究课题。但是,这一新的领域目前还只是刚刚起步,有许多问题急需解决。因此迫切需要开展广泛深入的基础理论和技术的研究工作。本文在已有红外与可见光人脸图像融合识别研究成果的基础上,从特征层和分值匹配层上对人脸多模态融合识别技术进行了探讨和研究。论文的主要研究工作和成果包括以下几个主要方面的内容:1、提出了一种基于Fisher线性鉴别的典型相关分析的多模态人脸融合识别算法从Fisher线性鉴别分析和典型相关分析的思想出发,提出一种针对多模态信息在特征层上抽取新鉴别特征用于模式分类算法,称为基于Fisher线性鉴别的典型相关分析（Fisher Linear Discriminant based Canonical Correlation Analysis,简称FLDA+CCA）。给出了将FLDA和CCA用于模式识别的理论框架。算法依据FLDA的判据准则函数分别抽取两组模式的特征矢量,再根据CCA思想建立描述两组特征矢量之间相关性的判据准则函数,依据此准则求取两组典型投影矢量集,通过给定的特征融合策略抽取组合特征用于模式分类。解决了当模式构成的总体协方差矩阵奇异时,FLDA投影矢量集的求解问题,使之适合于高维小样本的情形,推广了算法的适用范围。新算法对两组信息先降维聚类后建立相关融合的做法,既消除了模态内的冗余信息,又建立了不同模态信息之间的相关联系,达到信息互补的目的,为融合两组模态信息用于分类识别提供了新的途径。实验表明该算法能有效的提高识别率。2、提出一种多模态人脸非均匀局部特征融合算法局部特征抽取方法是从原始数字图像出发,先对图像进行分块,再对分块得到的子图像矩阵使用线性鉴别分析方法抽取模式特征,它是全局线性鉴别分析方法的推广。由于人脸图像内不同区域信息的鉴别能力不同,原先的均匀分块方法不能有效的反映面部鉴别信息的分布情况。为了抽取更具鉴别意义的局部特征,本文采用遗传算法从人脸图像中优选出取具有较多鉴别信息的子图像区域作为特征抽取的基础;抽取局部特征结合全局特征用于模式分类。新算法在红外和可见光人脸融合识别实验中表现出很好的识别性能。3、设计提出一种融合多模态人脸信息的双阈值分类器受Dempster-Shafer证据理论思想的启发,针对分值匹配层的多模态人脸信息融合问题,设计提出一种融合多模态人脸信息的双阈值分类器（Two-Threshold Classifier,简称2TC）。分类器根据Neyman-Pearson准则和样本在模式空间内的分布特性秉承D-S理论思想将模式空间划分为样本类别确定区域和不确定区域:对不确定类别的区域内样本采用Fisher线性判别准则分类。双阈值分类器根据样本在模式空间中所处的不同位置,依次采用不同的分类策略进行类别区分,有效的降低了错误分类事件的发生率,提高了正确识别率。在NDHID和Equinox人脸数据库上的实验证明了新分类器的有效性。
吴翔[9]（2009）在《基于立体显示的嵌入式身份识别系统研究与设计》文中研究指明人脸识别是基于生物特征的身份认证技术中最为活跃最具挑战性的领域之一,有着很大的发展潜力。它试图通过计算机分析比较人脸图像并从中提取有效特征信息进行身份鉴别。由于利用人脸特征进行身份验证是最自然直接的手段,易于为用户所接受。特别是在非接触环境和不惊动被检测人的情况下,人脸识别技术的优越性远远超过已有的虹膜、指纹等检测方法,因而成为当前模式识别和人工智能领域的一个研究热点。目前的人脸识别方法基本上都集中于二维图像方面,这是由现在照相和摄影技术先天的性能所决定的。但是人脸本身是三维空间的实体,因此在三维转二维的过程中,丢失了很多有用的立体信息,这会造成识别误判。关于传统的基于二维平面内的人脸识别方法,国内的研究有很多,这些算法在二维图像识别的领域,确实已经达到了非常好的识别效果。可是丢失人脸三维景深信息会导致二维人脸识别方法很难摆脱人脸塑性变形（如表情等）的不确定性、人脸模式的多样性（如胡须、发型、眼镜、化妆等）、图像获取过程中的不确定性（如光照的强度、光源方向等）的影响。在复杂环境下系统会表现出识别率下降,识别效率降低。这些极大限制了人脸识别的应用。所以到目前为止,建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。为了解决这个问题,一种行之有效的方法就是采用三维人脸识别的方法解决二维人脸识别中面临的光照和姿态的瓶颈问题,减少表情的影响。三维人脸模型具有比二维人脸图像更丰富的信息。3D数据真实反映了物体在三维空间中的形状,表征了对象的实际尺寸,具有对姿态和光照不敏感的特性。三维人脸识别中最重要的部分就是建立对应的三维人脸模型,而如何获得形状模型和精确的纹理影射是构建模型的关键。目前在人脸重建领域还没有一种既采样简单又计算精确的获得人脸三维信息的方法。在人脸识别领域,随着3D数据获得技术如激光扫描、双目和多目视觉等的进步,3D数据研究受到更多的关注。如何能够简单高效的获得和使用三维信息,成为了研究的焦点。本文基于DLP立体显示系统的需要,对其三维图像源的获取、合成、投影及光路控制等进行了深入研究:通过对双目摄像头采集的立体动态视频序列的研究,给出了如何存储和表征人脸信息并生成人脸彩色图和深度图的解决方案;利用上述肤色和深度信息,可圈定面部区域,并获得人脸特征点的深度信息及点阵之间的拓扑结构;尝试通过2D和3D相结合的方法提取人脸特征点,利用两幅不同角度的二维图像重建三维人脸模型。通过对重建的三维人脸模型的旋转和平移变换,并利用投影矩阵亦可得到多姿态的二维人脸图像,使得其投影视图更加接近人脸库中的原型,弱化了人脸拍摄时的位置影响。最后通过高精度有效的识别算法匹配完成对人脸的识别过程。通过更全面的信息,可以较好的降低识别过程中的误识率和虚警率。同时由于三维人脸模型具备光照无关性和姿态无关性的特点,能够正确反映出人脸的基本特性,从而形成相对稳定的人脸特征表述。因此基于本文提出的三维人脸模型的识别方法可以很好的解决目前在这一领域存在的研究瓶颈。本文是上海市2007年科技攻关重点项目（《基于单片DMD的立体显示系统》编号:075115002）的主要研究内容之一,并受到华东师范大学优秀博士研究生培养基金（20080050）支持。从构建基于立体显示的三维人脸识别系统需要解决的若干关键问题入手,重点讨论了双目视觉计算景深的原理、人脸检测与跟踪、立体图像对中点与点的匹配、面部关键特征定位、三维的人脸特征描述、鲁棒的人脸分类器以及整个系统软硬件设计等问题。从这几个方面入手,深入研究了基于图像和模型的人脸模型重建方法,人脸标志点定位及人脸配准。本文的创新点有:1.提出基于双目立体测量系统提取三维人脸信息的方法,分析了双目立体测量系统的基本原理,深入研究双目立体测量系统在测量中物像空间点位的精确关系,探讨了物像空间点位坐标关系标定、测量范围扩展等关键技术,并推出精度问题。2.提出利用相关系数、欧式距离和ICP结合的方法,并通过形状特征定位五官分布位置作为几何约束条件,实现双目视觉中的人脸立体图像对内对应点的匹配。3.提出基于人脸结构的立体匹配算法,配准人脸特征模型,通过对模型相似度的度量实现人脸识别。改进2D人脸识别中的PCA、LDA等经典算法到3D人脸识别中,结合ICP和Hausdorff距离识别算法,完成识别过程并验证识别效果和精度。4.提出硬件和软件设计实现方案。规划一个完善的系统,包括电源、存储器、处理器、控制器、通信接口及人机交互接口。综合考虑电磁兼容性、系统稳定性等。代码流程、接口及部分模块的详细源码也在本文中详细给出。
陈君[10]（2009）在《基于DSP的人脸识别门禁系统的设计》文中研究表明人脸识别是安全监测系统中身份识别的一种最方便、最直接的方法,它广泛的用于安全控制、考勤系统、军队和国防领域。本课题研究的是人脸检测及识别算法和基于该算法的门禁系统的DSP实现。在人脸检测算法方面,本课题采用Adaboost算法,通过对Adaboost算法的学习以及Adaboost分类器的解析,最后实现Adaboost人脸检测算法。在特征提取方面,首先对检测到的人脸图像进行归一化,然后对图像进行3次小波分解,提取图像低频信息作为人脸特征进行匹配识别。本课题通过对DSP/BIOS、RF5框架以及TI算法标准的学习,把人脸检测、特征提取等算法封装成标准算法,极大的提高了系统的检测时间。本课题完成的门禁系统由以下几部分组成：数字摄像头、DSP评估板、键盘、显示器和门锁。通过按下相应的按键,本系统可以进行人脸模板的登记或删除,以及人脸识别功能,若识别通过则启动门锁开门,否则提示错误。
二、键盘用户身份验真与加权主分量分类器（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、键盘用户身份验真与加权主分量分类器（论文提纲范文）
（1）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（2）实用化多模态脑-机接口中若干关键技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 脑-机接口的定义与结构 |
| 1.1.1 脑活动的记录方式 |
| 1.1.2 BCI的信号处理技术 |
| 1.1.3 BCI的控制与反馈模块 |
| 1.2 基于EEG的脑-机接口 |
| 1.2.1 EEG的采集方法 |
| 1.2.2 EEG信号的分类 |
| 1.2.3 EEG-BCI系统优缺点对比 |
| 1.2.4 混合模式BCI系统 |
| 1.3 BCI的发展历程和研究现状 |
| 1.3.1 BCI发展的历史性事件 |
| 1.3.2 植入式BCI的研究历程 |
| 1.3.3 非植入BCI的研究现状 |
| 1.3.4 我国BCI技术的研究现状 |
| 1.4 BCI系统性能评价标准 |
| 1.5 BCI研究待解决的问题 |
| 1.6 主要内容及章节安排 |
| 第二章 运动想象脑-机接口研究基础 |
| 2.1 MI-BCI理论研究基础 |
| 2.1.1 脑功能分区和神经生理学基础 |
| 2.1.2 MI-BCI的 ERD/ERS现象 |
| 2.1.3 EEG的源定位和空间模型 |
| 2.2 MI-BCI的信号处理方法 |
| 2.2.1 脑电信号的预处理 |
| 2.2.2 MI-BCI的特征提取方法 |
| 2.2.3 MI-BCI的分类算法 |
| 2.3 MI-BCI的数据集 |
| 2.3.1 国际标准数据集 |
| 2.3.2 自主采集数据集 |
| 2.4 MI-BCI的数据分析 |
| 2.4.1 信号处理方法选取对识别结果的影响 |
| 2.4.2 MI-BCI领域的研究重点 |
| 2.5 BCI的研究平台综述 |
| 2.6 章节小结 |
| 第三章 时-频-空联合优化的CSP算法在三分类MI-BCI中的应用 |
| 3.1 CSP算法的相关基础 |
| 3.1.1 CSP算法的研究现状和研究要点 |
| 3.1.2 基于频带优化的CSP算法演变进程 |
| 3.1.3 BCILAB平台中的CSP算法 |
| 3.1.4 研究方法和工作路线 |
| 3.2 时-频-空联合优化策略 |
| 3.2.1 导联优化策略 |
| 3.2.2 频带优化策略 |
| 3.3 三分类CSP算法的相关策略 |
| 3.3.1 二分类算法 |
| 3.3.2 三分类策略 |
| 3.4 三分类CSP算法的结果对比 |
| 3.4.1 BCILAB平台分类算法比较 |
| 3.4.2 最佳滤波频带与分类目标之间的联系 |
| 3.4.3 时-频-空联合优化的三分类MI-BCI算法 |
| 3.5 不同CSP算法的稳定性测试 |
| 3.5.1 对比算法描述 |
| 3.5.2 组间测试结果对比 |
| 3.6 章节小结 |
| 第四章 改进的信息极大ICA算法在三分类MI-BCI中的应用 |
| 4.1 ICA算法的相关基础 |
| 4.1.1 ICA基础理论和研究要点 |
| 4.1.2 ICA算法计算步骤及对比算法描述 |
| 4.1.3 ICA算法在MI-BCI领域的研究现状 |
| 4.1.4 改进的信息极大ICA算法 |
| 4.1.5 重点研究内容及工作路线 |
| 4.2 MI-BCI的 ICA滤波器设计 |
| 4.2.1 MRICs检测滤波器的自动选取 |
| 4.2.2 MRICs检测和运动想象分类 |
| 4.2.3 ICA滤波器设计及性能测试 |
| 4.2.4 导联优化策略 |
| 4.3 不同ICA算法性能比较 |
| 4.3.1 对比算法描述 |
| 4.3.2 不同算法自测试对比 |
| 4.3.3 组间测试结果对比 |
| 4.3.4 ICA算法的缺点及改进措施 |
| 4.4 ICA和 CSP算法性能综合对比 |
| 4.4.1 交叉测试算法说明及实验 |
| 4.4.2 CSP和 ICA算法性能分析 |
| 4.5 章节小结 |
| 第五章 MI-BCI数据库系统建立和在线系统开发 |
| 5.1 MI-BCI数据库系统建立 |
| 5.1.1 MI-EEG数据文件说明 |
| 5.1.2 不同算法的稳态性测试 |
| 5.2 在线MI-BCI系统设计与实现 |
| 5.2.1 MI-BCI在线系统的硬件平台框架 |
| 5.2.2 同步MI-BCI系统在Matlab平台上编程实现 |
| 5.2.3 同步ICA-MI-BCI系统在Vc++平台下设计与实现 |
| 5.2.4 基于EEG+EOG混合模式的异步MI-BCI系统设计与实现 |
| 5.3 章节小结 |
| 第六章 由同步向异步跨越的SSVEP-BCI在线系统设计与实现 |
| 6.1 引言 |
| 6.1.1 混合BCI系统研究现状 |
| 6.1.2 混合BCI系统的目标及类型 |
| 6.2 方法 |
| 6.2.1 系统框架和多模态混合策略 |
| 6.2.2 视觉刺激器的设计 |
| 6.2.3 脑电信号的采集 |
| 6.2.4 软硬件实验环境搭建 |
| 6.2.5 同步BCI系统实验范式的设计 |
| 6.2.6 异步BCI系统实验范式的设计 |
| 6.2.7 诱发脑电信号的识别算法 |
| 6.3 实验结果 |
| 6.3.1 同步范式BCI系统的实验结果 |
| 6.3.2 窗口时间改变对识别率的影响 |
| 6.3.3 设定合适的异步BCI滑动窗口长度 |
| 6.3.4 异步BCI系统性能展示 |
| 6.4 讨论 |
| 6.4.1 刺激材质选取对识别结果的影响 |
| 6.4.2 识别算法比较 |
| 6.4.3 系统的不足之处 |
| 6.5 结论 |
| 6.6 与SSVEP相关的其他研究 |
| 6.6.1 基于SSVEP的字符输入系统设计与实现 |
| 6.6.2 实用化BCI系统的脑电采集电路设计 |
| 6.7 章节小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间取得的成果 |
| 致谢 |
（3）面向爆破安全的远程测振系统关键技术研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 课题研究目的及意义 |
| 1.1.3 课题来源 |
| 1.2 国内外研究现状分析 |
| 1.2.1 数字爆破方面研究现状 |
| 1.2.2 监测系统关键技术研究现状 |
| 1.2.3 爆破振动危害效应的国内外研究现状 |
| 1.2.4 爆破振动监测设备的发展及研究现状 |
| 1.3 存在的问题与不足 |
| 1.4 本论文主要研究内容 |
| 1.5 本论文研究方法 |
| 2 远程测振系统关键技术研究与开发 |
| 2.1 引言 |
| 2.2 远程测振系统总体设计 |
| 2.3 远程测振系统设计 |
| 2.3.1 体系架构设计 |
| 2.3.2 技术框架设计 |
| 2.3.3 远程测振系统功能设计 |
| 2.3.4 远程测振系统运行环境设计 |
| 2.3.5 远程测振系统逻辑结构设计 |
| 2.3.6 远程测振系统数据逻辑结构设计 |
| 2.3.7 远程测振系统安全性设计 |
| 2.3.8 基于权限代理的授权方法研究 |
| 2.4 远程测振系统的云计算框架设计 |
| 2.4.1 云计算逻辑架构 |
| 2.4.2 云管理平台软件 |
| 2.4.3 虚拟化管理软件 |
| 2.5 远程测振系统开发 |
| 2.5.1 远程测振系统开发环境 |
| 2.5.2 远程测振系统开发框架 |
| 2.5.3 远程测振系统数据库设计 |
| 2.5.4 远程测振系统接口设计 |
| 2.6 本章小结 |
| 3 数字爆破测振信号时频特征精细化分析方法研究 |
| 3.1 引言 |
| 3.2 数字爆破测振信号预处理 |
| 3.3 数字爆破测振信号中低频趋势项去除方法研究 |
| 3.3.1 Lifting Scheme基本原理 |
| 3.3.2 提升db小波选型 |
| 3.3.3 基于SGWT去除远程测振信号趋势项 |
| 3.4 数字爆破测振信号中高频噪声分离方法研究 |
| 3.4.1 信噪分离算法 |
| 3.4.2 二代小波变换 |
| 3.4.3 去噪效果分析 |
| 3.5 数字爆破测振信号时频特征分析方法研究 |
| 3.5.1 MP-WVD组合算法基本原理 |
| 3.5.2 MP-WVD组合算法缺陷分析 |
| 3.5.3 MP-WVD改进算法 |
| 3.5.4 MP-WVD改进算法应用 |
| 3.6 本章小结 |
| 4 数字爆破测振信号智能预报算法研究 |
| 4.1 引言 |
| 4.2 PCA法原理 |
| 4.2.1 原始数据的标准化处理 |
| 4.2.2 样本数据的相关系数矩阵计算 |
| 4.2.3 样本特征根和正交特征向量计算 |
| 4.2.4 确定k个主分量 |
| 4.3 SVM原理及回归模型建立 |
| 4.3.1 SVM原理 |
| 4.3.2 SVM回归模型的建立 |
| 4.4 Adaboost-SVM组合预测模型 |
| 4.4.1 Adaboost算法原理 |
| 4.4.2 Adaboost-SVM组合预测模型建立 |
| 4.5 本章小结 |
| 5 面向爆破安全的远程测振系统及工程应用 |
| 5.1 引言 |
| 5.2 远程测振系统组成 |
| 5.3 远程测振系统工作方法和流程 |
| 5.3.1 远程校准 |
| 5.3.2 数字爆破测振 |
| 5.4 远程测振系统操作使用 |
| 5.4.1 数字爆破测振企业用户注册 |
| 5.4.2 测振仪器设备信息登记 |
| 5.4.3 爆破振动任务管理 |
| 5.4.4 测振报告管理 |
| 5.5 数字爆破测振数据分析 |
| 5.6 远程测振系统在19栋群楼拆除爆破工程中的应用 |
| 5.6.1 工程概况 |
| 5.6.2 测点选择 |
| 5.6.3 测试结果及数据分析 |
| 5.7 核电负挖爆破工程中的数字爆破测振数据特征分析 |
| 5.7.1 工程概况 |
| 5.7.2 数据处理 |
| 5.8 核电正挖爆破工程中数字爆破测振信号预报 |
| 5.8.1 工程概况 |
| 5.8.2 PCA法确定模型输入参数 |
| 5.8.3 SVM法预测的实现 |
| 5.8.4 Adaboost-SVM组合算法预测 |
| 5.9 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要结论 |
| 6.2 本文的主要创新点 |
| 6.3 有待于进一步深入和完善的几个问题 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于人脸识别的考生身份验证系统的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 国内外研究现状和趋势 |
| 1.2.1 人脸识别技术的研究现状 |
| 1.2.2 人脸识别技术的发展趋势 |
| 1.3 研究的关键内容 |
| 1.4 本文的主要工作及组织结构 |
| 第2章 人脸图像预处理技术 |
| 2.1 图像灰度变换 |
| 2.2 图像尺寸变换 |
| 2.3 图像直方图均衡化处理 |
| 2.4 图像中值滤波 |
| 2.5 本章小结 |
| 第3章 人脸检测与识别算法 |
| 3.1 人脸检测算法 |
| 3.1.1 人脸检测的方法 |
| 3.1.2 人脸检测的评价方式 |
| 3.1.3 Adaboost算法原理 |
| 3.2 人脸识别算法 |
| 3.2.1 人脸识别概述 |
| 3.2.2 EigenFace算法原理分析 |
| 3.2.3 人脸的训练和识别 |
| 3.3 本章小结 |
| 第4章 系统硬件平台设计 |
| 4.1 系统结构设计 |
| 4.2 系统平台设计 |
| 4.3 电源电路设计 |
| 4.4 核心板接口电路原理图 |
| 4.5 USB接口电路设计 |
| 4.6 图像采集模块 |
| 4.7 CS8900A网络通信模块 |
| 4.8 LCD显示模块 |
| 4.9 本章小结 |
| 第5章 系统应用程序开发 |
| 5.1 开发环境选择 |
| 5.1.1 嵌入式操作系统的选择 |
| 5.1.2 机器视觉库的选择 |
| 5.1.3 图形界面开发工具的选择 |
| 5.2 开发平台搭建 |
| 5.2.1 系统的配置与移植 |
| 5.2.2 机器视觉库的编译与移植 |
| 5.2.3 QT的交叉编译与移植 |
| 5.2.4 Qt工程的建立 |
| 5.3 软件系统总体架构设计 |
| 5.4 各功能模块设计 |
| 5.4.1 图形界面设计 |
| 5.4.2 视频和图像获取程序设计 |
| 5.4.3 软键盘程序设计 |
| 5.4.4 人脸检测程序设计 |
| 5.4.5 人脸识别程序设计 |
| 5.4.6 网络通信程序设计 |
| 5.5 本章小结 |
| 第6章 系统测试和分析 |
| 6.1 硬件测试和分析 |
| 6.2 软件测试和分析 |
| 6.2.1 人脸检测的测试和分析 |
| 6.2.2 人脸识别的测试和分析 |
| 6.3 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
| 附录A 系统实物图 |
（5）基于击键动作时序和手形特征的用户身份验证（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 引言 |
| 1.1 身份鉴别研究 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的目的与意义 |
| 1.1.3 相关技术发展 |
| 1.1.4 国内外研究现状和趋势 |
| 1.2 生物特征识别技术 |
| 1.2.1 原理、概念和要求 |
| 1.2.2 系统组成 |
| 1.2.3 工作模式 |
| 1.2.4 性能评价 |
| 1.2.5 主要的生物特征识别技术简介和比较 |
| 1.2.6 面临的问题和发展方向 |
| 1.3 论文研究课题 |
| 1.4 论文的主要工作 |
| 1.5 论文的结构 |
| 2 手形数据获取和模式匹配的方法 |
| 2.1 手形数据的获取 |
| 2.1.1 数据手套 |
| 2.1.2 小钉装置固定手部 |
| 2.1.3 单目摄像头的验证 |
| 2.2 数据预处理的方法 |
| 2.2.1 光流方法处理手部图像 |
| 2.2.2 角点方法处理手部图像 |
| 2.3 分类方法 |
| 2.3.1 点模式匹配算法 |
| 2.3.2 曲线拟合方法 |
| 2.3.3 模板匹配方法 |
| 3 时序和手形特征的识别 |
| 3.1 复合击键动作识别 |
| 3.1.1 用户输入与击键特征的选取 |
| 3.1.2 特征的获取 |
| 3.1.3 特征的识别 |
| 3.2 方案的设计 |
| 3.2.1 初步方案 |
| 3.2.2 摄像头实时识别系统 |
| 3.2.3 视频录像识别系统 |
| 3.2.4 实验方案 |
| 3.3 实验中用到的技术 |
| 3.3.1 击键的时序特征 |
| 3.3.2 击键动作的手部特征 |
| 4 实验 |
| 4.1 实验基本装置 |
| 4.2 时序实验部分 |
| 4.2.1 时序实验的基本操作 |
| 4.2.2 时序实验的实现 |
| 4.2.3 时序实验的结果 |
| 4.3 图像实验部分 |
| 4.3.1 图形的预处理 |
| 4.3.2 图像的认证结果 |
| 5 结论 |
| 5.1 时序实验结论 |
| 5.2 手部图像实验结论 |
| 5.3 实验结论 |
| 5.4 实验改进 |
| 致谢 |
| 参考文献 |
（6）基于支持向量机的计算机键盘用户身份验真（论文提纲范文）
| 1 引 言 |
| 2 支持向量机 |
| 3 实验描述 |
| 3.1 特征提取 |
| 3.2 实验方法 |
| 3.3 实验数据正态性检验 |
| 4 实验结果及讨论 |
| 5 结 论 |
（7）键盘用户身份验真与加权主分量分类器（论文提纲范文）
| 第一章 前言 |
| 第二章 键入特性可分辨性证明实验 |
| 2.1 常用键入特性特征提取的方法 |
| 2.1.1 按键持续时间和按键间隔时间 |
| 2.1.2 按键相互关系 |
| 2.2 键入特性可分辨性证明实验 |
| 2.2.1 特征提取 |
| 2.2.2 实验方法 |
| 2.2.3 实验结果及讨论 |
| 第三章 常用键入特性验真方法 |
| 3.1 传统统计模式识别方法 |
| 3.1.1 模板匹配法 |
| 3.1.2 假设检验法 |
| 3.1.3 键入速度均值比较 |
| 3.1.4 最近邻分类器 |
| 3.1.5 归纳学习分类器 |
| 3.2 模糊逻辑模式识别方法 |
| 3.3 神经网络模式识别方法 |
| 3.3.1 BP网络和自组织特征映射网络用于键入特性识别 |
| 3.3.2 其它神经网络方法 |
| 第四章 利用支持向量机进行键入特性验真 |
| 4.1 实验方法 |
| 4.2 实验数据正态性检验 |
| 4.3 支持向量机 |
| 4.4 实验结果及讨论 |
| 第五章 加权主分量分类器 |
| 5.1 主分量分类器 |
| 5.2 PCC与SVM对野值处理能力的比较 |
| 5.3 加权主分量分类器 |
| 5.3.1 线性可分情况 |
| 5.3.2 线性不可分情况 |
| 5.4 实验结果及讨论 |
| 5.4.1 实验1：Toy problem |
| 5.4.2 实验2：Iris数据分类 |
| 5.4.3 实验3：键入特性数据集分类 |
| 第六章 结论及展望 |
| 致谢 |
| 在学期间发表论文 |
| 主要参考文献 |
（8）红外与可见光人脸图像的融合识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 生物特征识别技术 |
| 1.1.1 生物特征识别技术的分类 |
| 1.1.2 生物特征识别技术性能比较 |
| 1.1.3 生物特征识别技术发展前景 |
| 1.2 人脸识别技术 |
| 1.2.1 人脸识别的研究内容 |
| 1.2.2 自动人脸识别的技术难点 |
| 1.2.3 人脸识别系统性能评价指标 |
| 1.3 多生物特征融合识别 |
| 1.3.1 多模态人脸图像融合识别的研究背景及意义 |
| 1.3.2 多模态人脸融合识别的研究现状 |
| 1.4 本文的主要工作 |
| 1.5 本文的结构安排 |
| 2 人脸识别的研究现状及其主要理论方法 |
| 2.1 人脸识别研究历史概述及国内外研究现状 |
| 2.2 人脸识别主要理论方法概述 |
| 2.2.1 基于几何特征方法 |
| 2.2.2 基于模板匹配的方法 |
| 2.2.3 基于子空间分析的方法 |
| 2.2.4 基于机器学习的方法 |
| 2.2.5 基于模型的方法 |
| 2.2.6 基于局部特征的方法 |
| 2.3 人脸识别图像库 |
| 2.4 人脸识别算法评测与竞赛 |
| 2.5 小结 |
| 3 基于Fisher线性判别和典型相关分析的多模态人脸特征融合 |
| 3.1 引言 |
| 3.2 前人的工作 |
| 3.2.1 Fisher线性鉴别分析(FLDA) |
| 3.2.2 典型相关分析(CCA) |
| 3.2.3 FLDA与CCA之间的联系 |
| 3.3 基于Fisher线性鉴别的典型相关分析(FLDA+CCA) |
| 3.4 高维小样本情况下的讨论 |
| 3.5 实验 |
| 3.5.1 训练与测试图像中包含表情变化 |
| 3.5.2 训练与测试图像中包含光照变化 |
| 3.6 小结 |
| 4 多模态人脸非均匀局部特征融合 |
| 4.1 引言 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法的基本思想 |
| 4.2.2 基本遗传算法 |
| 4.3 基于遗传算法的多模态人脸图像非均匀局部特征抽取 |
| 4.3.1 分块算法 |
| 4.3.2 非均匀子图像块的选取 |
| 4.3.3 个体编码 |
| 4.3.4 适应度函数 |
| 4.3.5 选择 |
| 4.3.6 交叉和变异算子 |
| 4.3.7 特征抽取 |
| 4.4 实验 |
| 4.4.1 训练与测试图像中包含表情变化 |
| 4.4.2 训练与测试图像中包含光照变化 |
| 4.5 小结 |
| 5 融合多模态人脸信息的双阈值分类器 |
| 5.1 引言 |
| 5.2 常用的分值匹配层融合方法 |
| 5.3 基于双阈值分类器的决策融合 |
| 5.3.1 Dempster-Shafer证据理论 |
| 5.3.2 模式空间中确定区域(CR)与不确定区域（UR)的划分 |
| 5.3.3 对不确定区域内样本的Fisher线性判别分析 |
| 5.3.4 分类器设计 |
| 5.4 实验 |
| 5.4.1 在NDHID人脸数据库上的实验 |
| 5.4.2 在Equinox人脸数据库上的实验 |
| 5.4.3 讨论 |
| 5.5 小结 |
| 6 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 对未来工作的展望 |
| 参考文献 |
| 攻读博士学位期间发表学术论文情况 |
| 攻读博士学位期间参与的课题与项目 |
| 致谢 |
| 作者简介 |
（9）基于立体显示的嵌入式身份识别系统研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 人脸识别技术的发展动态 |
| 1.3 国内外常用人脸图像数据库及应用研究情况 |
| 1.4 课题研究的主要内容及主要贡献 |
| 参考文献 |
| 第二章 立体测量的基本原理 |
| 2.1 引言 |
| 2.2 立体视觉及深度求解 |
| 2.3 建立对应关系 |
| 2.4 CCD摄像机几何成像模型 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 鲁棒的搜索立体图像匹配点算法 |
| 3.1 引言 |
| 3.2 迭代最近点算法(ICP) |
| 3.3 基于区域相关的匹配点搜索 |
| 3.4 基于人脸特征的匹配点搜索算法 |
| 3.5 频域匹配算法 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 特征定位及三维人脸重建 |
| 4.1 引言 |
| 4.2 图像预处理 |
| 4.3 人脸边缘提取 |
| 4.4 基于单张照片的三维人脸重建 |
| 4.5 三维重建中的一些常用算法 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 人脸特征模型配准研究 |
| 5.1 引言 |
| 5.2 主成分析法及三维人脸识别中应用 |
| 5.3 线性判别分析法及三维人脸识别中应用 |
| 5.4 人脸的Gabor特征提取 |
| 5.5 支持向量机分类器 |
| 5.6 点集距离度量 |
| 5.7 本章小结 |
| 参考文献 |
| 第六章 三维人脸识别系统设计 |
| 6.1 引言 |
| 6.2 系统设计 |
| 6.3 系统硬件结构 |
| 6.4 系统软件流程 |
| 6.5 扩展功能 |
| 6.6 本章小结 |
| 参考文献 |
| 第七章 实验结果分析 |
| 7.1 引言 |
| 7.2 三维识别效果 |
| 7.3 系统鲁棒性研究 |
| 7.4 3D人脸识别和2D人脸识别比较 |
| 7.5 识别速度比较 |
| 7.6 本章小结 |
| 参考文献 |
| 第八章 总结与展望 |
| 8.1 本文工作总结 |
| 8.2 进一步研究展望 |
| 攻读博士学位期间主要科研成果 |
| 致谢 |
（10）基于DSP的人脸识别门禁系统的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 人脸检测和识别研究现状及门禁系统现状 |
| 1.2.1 人脸检测研究现状 |
| 1.2.2 人脸识别研究现状 |
| 1.2.3 门禁系统现状 |
| 1.3 论文研究内容和结构安排 |
| 2 Adaboost分类器及检测算法 |
| 2.1 Adaboost算法介绍及性能分析 |
| 2.2 Adaboost分类器解析 |
| 2.3 Adaboost检测算法实现 |
| 2.3.1 haar-like特征 |
| 2.3.2 积分图像 |
| 2.3.3 检测算法实现 |
| 2.4 检测结果分析 |
| 3 人脸识别系统的处理过程及相关算法 |
| 3.1 人脸检测 |
| 3.2 特征提取 |
| 3.3 识别与匹配 |
| 3.4 识别结果分析 |
| 4 人脸识别算法的DSP实现 |
| 4.1 TI算法标准介绍 |
| 4.1.1 DSP算法标准的相关背景和概念 |
| 4.1.2 通用算法标准 |
| 4.2 Adaboost检测算法的DSP实现 |
| 4.2.1 普通方法实现 |
| 4.2.2 TI标准算法封装 |
| 4.3 算法性能评价 |
| 5 基于DSP人脸识别门禁系统实现 |
| 5.1 硬件系统设计 |
| 5.1.1 视频输入部分 |
| 5.1.2 DSP处理部分 |
| 5.1.3 FLASH模块 |
| 5.1.4 键盘模块 |
| 5.1.5 电源模块 |
| 5.1.6 门锁部分 |
| 5.2 软件流程设计 |
| 5.2.1 软件开发环境CCS |
| 5.2.2 系统软件流程 |
| 5.3 系统评价 |
| 5.3.1 技术测试 |
| 5.3.2 场景测试 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在校学习期间发表论文 |
四、键盘用户身份验真与加权主分量分类器（论文参考文献）
- [1]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [2]实用化多模态脑-机接口中若干关键技术的研究[D]. 张磊. 安徽大学, 2020(07)
- [3]面向爆破安全的远程测振系统关键技术研究与应用[D]. 梅比. 中国矿业大学(北京), 2020
- [4]基于人脸识别的考生身份验证系统的设计[D]. 赖章勇. 成都理工大学, 2016(03)
- [5]基于击键动作时序和手形特征的用户身份验证[D]. 李真臻. 南京理工大学, 2011(12)
- [6]基于支持向量机的计算机键盘用户身份验真[J]. 刘学军,陈松灿,彭宏京. 计算机研究与发展, 2002(09)
- [7]键盘用户身份验真与加权主分量分类器[D]. 刘学军. 南京航空航天大学, 2002(02)
- [8]红外与可见光人脸图像的融合识别算法研究[D]. 刘典婷. 大连理工大学, 2009(07)
- [9]基于立体显示的嵌入式身份识别系统研究与设计[D]. 吴翔. 华东师范大学, 2009(12)
- [10]基于DSP的人脸识别门禁系统的设计[D]. 陈君. 西安理工大学, 2009(S1)