| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 人脸识别技术概述 | 第14-17页 |
| 1.2.1 人脸识别技术的发展历史与现状 | 第14-15页 |
| 1.2.2 人脸识别技术研究的内容 | 第15-17页 |
| 1.3 几种典型的人脸识别方法 | 第17-19页 |
| 1.3.1 基于代数特征的方法 | 第17-18页 |
| 1.3.2 支持向量机的方法 | 第18页 |
| 1.3.3 基于核技术的方法 | 第18页 |
| 1.3.4 基于弹性模型的方法 | 第18-19页 |
| 1.3.5 基于神经网络的方法 | 第19页 |
| 1.4 海量高维人脸识别问题 | 第19-20页 |
| 1.5 本文的主要工作及安排 | 第20-22页 |
| 第2章 人脸特征提取 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 基于LBP的人脸局部特征提取算法 | 第22-27页 |
| 2.2.1 LBP的重要特性 | 第24-26页 |
| 2.2.2 LBP算法的优势 | 第26页 |
| 2.2.3 基于分块的LBP | 第26-27页 |
| 2.3 主成分分析(PCA) | 第27-28页 |
| 2.4 Fisher线性判别分析法(FLDA) | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于哈希算法的人脸特征分类识别 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 局部哈希算法的概述 | 第33-36页 |
| 3.2.1 基本方法 | 第33页 |
| 3.2.2 常用的距离度量 | 第33-35页 |
| 3.2.3 常用的局部敏感哈希函数族 | 第35-36页 |
| 3.3 基于随机投影哈希算法的人脸识别 | 第36-41页 |
| 3.3.1 建立哈希索引 | 第37-38页 |
| 3.3.2 在线查询 | 第38-40页 |
| 3.3.3 参数k和L | 第40页 |
| 3.3.4 局部敏感哈希算法(LSH)的缺陷 | 第40-41页 |
| 3.4 基于迭代量化敏感哈希算法的人脸识别 | 第41-46页 |
| 3.4.1 人脸特征数据降维 | 第43-44页 |
| 3.4.2 无监督训练学习正交矩阵 | 第44-46页 |
| 3.5 实验结果分析 | 第46-48页 |
| 3.5.1 迭代量化敏感哈希算法参数分析 | 第46-47页 |
| 3.5.2 哈希算法与原始高维空间直接算法结果比较 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 基于Boosting改进的哈希算法的研究 | 第50-62页 |
| 4.1 引言 | 第50页 |
| 4.2 Boosting算法简介 | 第50-51页 |
| 4.3 ITQ哈希算法中引入Boosting算法 | 第51-53页 |
| 4.3.1 人脸特征数据的预处理 | 第52-53页 |
| 4.4 Boosting算法监督训练学习 | 第53-58页 |
| 4.4.1 训练样本分类错误率指标的定义 | 第53-55页 |
| 4.4.2 利用Boosting算法更新训练样本的权重 | 第55-58页 |
| 4.5 增强迭代量化敏感哈希算法在人脸分类识别中的应用 | 第58-61页 |
| 4.5.1 Boosting算法的具体流程实现 | 第58-59页 |
| 4.5.2 人脸分类识别 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 实验结果与分析 | 第62-76页 |
| 5.1 引言 | 第62页 |
| 5.2 实验平台与仿真数据 | 第62-64页 |
| 5.3 评价标准 | 第64页 |
| 5.4 比较的哈希算法 | 第64-65页 |
| 5.5 实验结果与分析 | 第65-74页 |
| 5.5.1 增强迭代量化敏感哈希算法的参数分析 | 第65-66页 |
| 5.5.2 人脸首选识别率的结果及分析 | 第66-71页 |
| 5.5.3 人脸识别在线查询时间的结果及分析 | 第71-74页 |
| 5.6 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 本文工作总结 | 第76页 |
| 6.2 进一步工作展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84页 |
