| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究目的和意义 | 第11页 |
| 1.1.1 研究目的 | 第11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 人脸识别技术简介 | 第11-15页 |
| 1.2.1 人脸识别问题描术 | 第11-12页 |
| 1.2.2 自然场景人脸识别难点 | 第12页 |
| 1.2.3 自然场景人脸识别关键技术 | 第12-13页 |
| 1.2.4 人脸识别研究工作基础 | 第13-15页 |
| 1.3 人脸识别的研究概况 | 第15-17页 |
| 1.4 论文研究内容和组织结构 | 第17-18页 |
| 第二章 自然场景中人脸识别数据集及评测标准 | 第18-25页 |
| 2.1 常用人脸数据库资源 | 第18-19页 |
| 2.2 LABELED FACES IN THE WILD(LFW)数据集及评测标准 | 第19-21页 |
| 2.3 ORANGE FACE DATASET(OFD)数据集及评测标准 | 第21-22页 |
| 2.4 辅助数据集 | 第22-24页 |
| 2.4.1 训练Simile分类器的参考数据集 | 第22-23页 |
| 2.4.2 MUCT人脸数据集 | 第23页 |
| 2.4.3 1028数据集 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 人脸图像的预处理研究 | 第25-36页 |
| 3.1 人脸几何校正 | 第25-32页 |
| 3.1.1 基于人眼的几何校正 | 第25-26页 |
| 3.1.2 基于27个关键点的几何校正 | 第26-27页 |
| 3.1.3 基于分段仿射的几何校正 | 第27-32页 |
| 3.2 人脸光学校正 | 第32-35页 |
| 3.2.1 伽马校正 | 第33页 |
| 3.2.2 Dog高斯滤波 | 第33-34页 |
| 3.2.3 对比度均衡 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于SIMILE分类器的高级特征提取 | 第36-44页 |
| 4.1 尺度不变特征转换(SIFT) | 第36-40页 |
| 4.1.1 构建尺度空间 | 第36-37页 |
| 4.1.2 检测DOG尺度空间极值点 | 第37-38页 |
| 4.1.3 除去不好的特征点 | 第38页 |
| 4.1.4 给特征点赋值一个128维方向参数 | 第38-39页 |
| 4.1.5 关键点特征描述 | 第39-40页 |
| 4.2 基于SIMILE分类器的高级特征 | 第40-43页 |
| 4.2.1 Simile分类器的构造 | 第40-41页 |
| 4.2.2 Simile分类器选择 | 第41-42页 |
| 4.2.3 高级特征描述子的产生 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 人脸验证和人脸识别实验分析 | 第44-58页 |
| 5.1 身份验证(FACE VERIFICATION) | 第44-52页 |
| 5.1.1 支持向量机原理 | 第44-46页 |
| 5.1.2 验证过程示意图 | 第46-47页 |
| 5.1.3 实验结果分析 | 第47-52页 |
| 5.2 身份识别(FACE RECOGNITION) | 第52-54页 |
| 5.2.1 识别过程示意图 | 第52页 |
| 5.2.2 实验结果分析 | 第52-54页 |
| 5.3 人脸验证的改进实验 | 第54-57页 |
| 5.3.1 PCA降维及实验结果分析 | 第54-56页 |
| 5.3.2 数据挖掘 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-62页 |
| 6.1 研究内容总结 | 第58-59页 |
| 6.2 研究工作展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 缩略词 | 第66-67页 |
| 致谢 | 第67页 |
