众文网1.毕业论文人脸图像压缩与重建
在图像处理领域中，图像的超分辨率重建技术和（略）个发展已经比较成熟的部分.本文从实际应用的要求出发，对二者的结合作了研究，即对压缩图像进行超分辨率重建. 论文主要做了以下工作：对图像压缩过程中（略）重建算法利用的运动补偿和量化进行了研究，简化并实现了MPEG-4的编码器；研究了空间域的凸集投影（POCS）超分辨率重建算法；实现了在压缩图像的变换域运用凸集投影算法来进行超分辨率重建. 实验证明，基于变换域的凸集投影算法能去除压缩过程带来的量化噪声，取得比传统解压后再进行普通超分辨率重建更好的效果.尤其在压缩比较大的情况下，重建效果更为明显。
2.人脸检测技术的研究现状
国外对人脸检测问题的研究很多，比较著名的有MIT,CMU等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。而且，MPEG7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIP\CVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视。
3.毕业论文人脸图像压缩与重建
在图像处理领域中，图像的超分辨率重建技术和（略）个发展已经比较成熟的部分.本文从实际应用的要求出发，对二者的结合作了研究，即对压缩图像进行超分辨率重建. 论文主要做了以下工作：对图像压缩过程中（略）重建算法利用的运动补偿和量化进行了研究，简化并实现了MPEG-4的编码器；研究了空间域的凸集投影（POCS）超分辨率重建算法；实现了在压缩图像的变换域运用凸集投影算法来进行超分辨率重建. 实验证明，基于变换域的凸集投影算法能去除压缩过程带来的量化噪声，取得比传统解压后再进行普通超分辨率重建更好的效果.尤其在压缩比较大的情况下，重建效果更为明显。
4.铁路车站安检人脸识别系统功能
轨迹分析：将目标人员的人脸照片与视频监控的日志库进行1:N的检索，根据人脸库中采集时间、采集地点、采集出现的次数，描绘出目标人员的行动轨迹。
人脸识别系统自动的分析监控日志数据库内人员记录，分析出记录中有多少人员出现，以及人员出现的次数，每次出现的时间、地点，从而帮助安保人员确定可疑人员。将采集场景中的人脸照片与重点布控人员库照人员进行比对，发现可疑人员自动报警显示，提示干警第一时间进行处理。并将采集的照片进行存储保存，以便事后对事件查询、取证做好铺垫。
系统功能功能
人脸自动抓拍
自动检测和抓拍应用场景中的人脸，可连续标记，形成运动轨迹，质量判断模块能够保证抓拍到的照片有足够的可辨度，人脸跟踪模块保证对同一人不重复抓拍。
人脸比对功能
将视频中自动检测与跟踪并提取出的人脸特征与布控库中的人脸特征进行比对，自动判断待查人脸是否在布控库中。
持续验证策略
可对抓拍到的人脸进行持续验证，只有达到设定阈值，方可通过验证，提高比对准确度。
目标人员注册
对人员照片进行处理，自动检测人脸，定位眼睛位置并提取人脸特征，录入人脸车牌识别监控系统数据库。
可批量或单个目标人员注册，支持手动调整人眼位置，提取特征并入库。
资料源于海鑫科金官方网站
.cn/face/product/（人脸识别）
5.毕业答辩时老师会问什么问题
==你是本科还是硕士啊 论文的话应该主要是算法的研究和改进吧……
问题比如：你采用了哪种人脸识别算法 你对这种算法的改进在哪里（你不只要说明改进在哪里 可能还需要做一些实验收集下数据来对比 说明算法在改进后对性能有了提升） 新算法比其他算法好在哪里（还是通过实验收集数据对比一下） 分析下算法的复杂度（时间复杂度和空间复杂度可能都会要求 毕竟图像分析很占空间） 然后是怎样进行优化的 实验采用的样本是哪些（我们当时用的UC Irvine Machine Learning Repository 下面会有CMU Face Images 大家一般都用这个库来作为样本） 怎样对实验结果进行量化比较的（标准是什么）
如果是模式识别的话 还可能关心怎样选的特征值和特征空间（计算量大的话是怎样减少计算量的） 训练样本采用的什么算法 实验的识别率是多少 算法的性能是不是稳定……
==我想到的都是本科的问题 如果是研究生的话可能还会问的更难
6.人脸检测技术的研究现状
国外对人脸检测问题的研究很多，比较著名的有MIT,CMU等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。而且，MPEG7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIP\CVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视。
7.研究人脸识别的意义和背景
生物特征识别技术是利用人体生物特征进行身份认证的一种技术。生物特征是人的内在属性إ具有很强的自身稳定性和个体差异性إ因此是身份验证的理想依据。生物特征识别系统对生物特征进行特征提取并组成特征模板إ当人们应用该识别系统进行身份认证时إ识别系统提取其特征并与数据库中的特征模板进行比对إ 以确定是否匹配إ从而决定接受或拒绝该人。一般来说إ人类的身份识别方式分为三类：
1ؤ特征物品：包括各种证件إ如身份证、学生证和护照等；
2ؤ特殊知识：包括各种密匙如أ密码、口令等ؤ和暗号等；
3ؤ人类生物特征：包括各种人类的生理和行为特征إ如人脸、指纹、掌
纹、虹膜、声音等。
前两类特征识别方法属于传统意义上的身份识别技术إ有着方便、快捷的特点。但这些特征识别方法致命的缺点是安全性差、易伪造窃取。相比较而言إ人体生物特征由于其稳定性和独特性إ成为最理想的身份识别特征。相比于其他生物特征إ基于人脸面部特征的识别具有主动性、非侵犯性和用户友好性等许多优点إ它是一种更方便直接、更友好、更容易被人们接受的识别方法
转载请注明出处众文网 » 车站人脸识别毕业论文(毕业论文人脸图像压缩与重建)