| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本文研究的目的与意义 | 第10-11页 |
| 1.2 人脸识别研究的国内外现状 | 第11-13页 |
| 1.3 人脸识别技术的应用 | 第13-14页 |
| 1.4 人脸识别系统及难点 | 第14-15页 |
| 1.5 本文主要研究内容 | 第15-16页 |
| 第2章 人脸识别基础知识 | 第16-28页 |
| 2.1 人脸检测 | 第16-18页 |
| 2.1.1 基于知识模型的方法 | 第17页 |
| 2.1.2 基于统计模型的方法 | 第17-18页 |
| 2.2 人脸图像预处理 | 第18-23页 |
| 2.2.1 灰度化处理 | 第18-19页 |
| 2.2.2 去噪处理 | 第19-20页 |
| 2.2.3 归一化 | 第20-23页 |
| 2.3 人脸图像库 | 第23-26页 |
| 2.3.1 ORL人脸库 | 第24-25页 |
| 2.3.2 Yale人脸库 | 第25页 |
| 2.3.3 AR人脸库 | 第25-26页 |
| 2.4 人脸识别技术评估 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于 2DDPCA特征提取 | 第28-45页 |
| 3.1 PCA人脸识别 | 第28-30页 |
| 3.1.1 PCA的基本思想 | 第28页 |
| 3.1.2 PCA的算法原理 | 第28-30页 |
| 3.2 2DPCA人脸识别 | 第30-33页 |
| 3.2.1 2DPCA的基本思想 | 第30-31页 |
| 3.2.2 2DPCA的算法原理 | 第31-32页 |
| 3.2.3 2DDPCA算法原理 | 第32-33页 |
| 3.3 基于 2DDPCA算法的性能分析 | 第33-43页 |
| 3.3.1 基于ORL和YALE库的三种算法性能分析 | 第33-38页 |
| 3.3.2 基于AR库三种算法性能分析 | 第38-43页 |
| 3.3.3 三种方法之间的比较与分析 | 第43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于支持向量机的分类识别 | 第45-58页 |
| 4.1 模式识别与过拟合 | 第45-47页 |
| 4.1.1 模式识别 | 第45-46页 |
| 4.1.2 过拟合 | 第46-47页 |
| 4.2 分类器 | 第47-48页 |
| 4.2.1 贝叶斯分类器 | 第47页 |
| 4.2.2 最近邻分类器 | 第47-48页 |
| 4.2.3 神经网络 | 第48页 |
| 4.2.4 支持向量机 | 第48页 |
| 4.3 支持向量机基本原理 | 第48-54页 |
| 4.3.1 线性可分情况下的SVM | 第49-51页 |
| 4.3.2 非线性线性可分情况下的SVM | 第51-52页 |
| 4.3.3 核函数 | 第52-54页 |
| 4.4 测试及分析 | 第54-57页 |
| 4.4.1 核函数参数测试 | 第54-56页 |
| 4.4.2 2DDPCA+SVM性能测试 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 人脸识别系统的设计与实现 | 第58-65页 |
| 5.1 系统设计与实现 | 第58-59页 |
| 5.2 基于SVM分类的人脸识别系统 | 第59-61页 |
| 5.3 自建人脸数据库 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间所发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |