| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究内容及现状 | 第14-18页 |
| 1.3 论文的内容和贡献 | 第18页 |
| 1.4 论文结构安排 | 第18-19页 |
| 第二章 人脸识别相关方法综述 | 第19-29页 |
| 2.1 视频人脸识别方法 | 第19-22页 |
| 2.1.1 概率模型方法 | 第19-20页 |
| 2.1.2 凸包或仿射集方法 | 第20-21页 |
| 2.1.3 线性子空间或流形方法 | 第21页 |
| 2.1.4 单帧处理方法 | 第21-22页 |
| 2.2 深度学习人脸识别方法 | 第22-25页 |
| 2.3 稀疏表示人脸识别方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 结合深度特征和稀疏表示的V2V人脸识别方法 | 第29-51页 |
| 3.1 预处理 | 第30-33页 |
| 3.1.1 光照预处理 | 第30-31页 |
| 3.1.2 镜像和姿态预处理 | 第31-33页 |
| 3.2 特征提取与字典构造 | 第33-36页 |
| 3.3 稀疏表示分类方法 | 第36-42页 |
| 3.3.1 单帧的稀疏表示处理方法 | 第36-40页 |
| 3.3.2 融合投票分类预测方法 | 第40-42页 |
| 3.4 实验结果 | 第42-49页 |
| 3.4.1 数据集介绍与评估标准 | 第42-44页 |
| 3.4.2 预处理方法评估 | 第44-45页 |
| 3.4.3 特征提取与字典压缩方法评估 | 第45-46页 |
| 3.4.4 稀疏表示方法评估 | 第46-47页 |
| 3.4.5 本文方法与其他方法的对比与分析 | 第47-49页 |
| 3.4.6 方法局限与可改进性 | 第49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 结合深度特征和典型相关分析的S2V人脸识别方法 | 第51-59页 |
| 4.1 S2V人脸识别流程 | 第51-53页 |
| 4.2 典型相关分析算法求投影矩阵 | 第53-56页 |
| 4.3 实验结果 | 第56-58页 |
| 4.3.1 数据集介绍与评估标准 | 第56-57页 |
| 4.3.2 本文方法与其他方法的对比与分析 | 第57页 |
| 4.3.3 方法局限与可改进性 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实时的视频人脸识别系统实现 | 第59-67页 |
| 5.1 视频录制 | 第59-61页 |
| 5.2 系统实现与效果分析 | 第61-64页 |
| 5.3 实时测试 | 第64-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 简历与科研成果 | 第77-78页 |