| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·人脸识别技术的研究背景及意义 | 第10-11页 |
| ·人脸识别技术的范畴与分类 | 第11页 |
| ·人脸识别的发展 | 第11-12页 |
| ·人脸识别的主要方法 | 第12-15页 |
| ·基于几何特征的人脸识别方法 | 第12-13页 |
| ·基于代数特征的人脸识别 | 第13-15页 |
| ·本文的研究内容和结构安排 | 第15-17页 |
| 第二章 基于Haar特征的人脸检测 | 第17-30页 |
| ·Haar特征与积分图 | 第17-21页 |
| ·Haar特征及特征值的计算 | 第17-19页 |
| ·积分图 | 第19-21页 |
| ·基于Haar特征的人脸检测 | 第21-22页 |
| ·人脸分类器的构造 | 第22-26页 |
| ·弱分类器的训练 | 第23-24页 |
| ·强分类器的构造 | 第24-26页 |
| ·实验结果和分析 | 第26-29页 |
| ·基于FERET彩色人脸数据库的人脸检测实验 | 第26-28页 |
| ·基于视频图像的人脸检测实验结果 | 第28页 |
| ·不能检测出人脸的图像分析 | 第28-29页 |
| ·本章总结 | 第29-30页 |
| 第三章 人眼定位及人脸归一化 | 第30-43页 |
| ·基于Haar特征的双眼区域提取 | 第30-31页 |
| ·基于Gabor滤波器和人眼模板的眼睛精确定位 | 第31-37页 |
| ·Gabor滤波器理论 | 第31-32页 |
| ·定位出双眼区域内进行Gabor滤波 | 第32-35页 |
| ·直接在人脸上进行Gabor滤波的瞳孔区域提取 | 第35页 |
| ·基于人眼模板的眼睛精确定位 | 第35-37页 |
| ·眼睛定位错误结果与原因分析 | 第37页 |
| ·图像几何归一化 | 第37-39页 |
| ·图像的灰度归一化 | 第39页 |
| ·实验结果和分析 | 第39-41页 |
| ·基于FERET图库的人脸归一化与直方图均衡化实验结果 | 第39-41页 |
| ·基于视频图像的人脸归一化和直方图均衡化实验结果 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于小波特征融合的人脸识别 | 第43-52页 |
| ·人脸图像的小波变换 | 第43-45页 |
| ·人脸识别过程 | 第45-49页 |
| ·人脸图像的训练过程 | 第45-47页 |
| ·人脸图像的识别过程 | 第47-49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 视频图像人脸识别实验与结果分析 | 第52-63页 |
| ·实验数据组成 | 第52-54页 |
| ·视频图像的人脸检测结果与分析 | 第54-56页 |
| ·双眼检测结果与分析 | 第56-58页 |
| ·人眼精确定位结果与分析 | 第58-59页 |
| ·人脸图像的归一化结果与分析 | 第59-60页 |
| ·视频人脸图像的识别结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |