| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6页 |
| 1 绪论 | 第11-23页 |
| 1．1 生物特征识别技术综述 | 第11-15页 |
| 1．1．1 生物特征与身份鉴别技术 | 第12页 |
| 1．1．2 生物特征识别技术的应用 | 第12-13页 |
| 1．1．3 生物特征识别技术横向比较 | 第13-15页 |
| 1．2 人脸识别技术综述 | 第15-20页 |
| 1．2．1 人脸识别技术的应用 | 第15-17页 |
| 1．2．2 人脸识别技术的研究内容 | 第17-18页 |
| 1．2．3 人脸检测识别方法概述 | 第18-19页 |
| 1．2．4 人脸数据库概述 | 第19-20页 |
| 1．3 信息融合技术综述 | 第20-21页 |
| 1．3．1 信息融合的概念 | 第20页 |
| 1．3．2 模式识别中的信息融合 | 第20-21页 |
| 1．4 论文研究目标及内容安排 | 第21-22页 |
| 1．4．1 论文研究目标 | 第21页 |
| 1．4．2 论文内容安排 | 第21-22页 |
| 1．5 小结 | 第22-23页 |
| 2 人脸检测与识别系统方案分析 | 第23-35页 |
| 2．1 人脸检测方法分析 | 第23-26页 |
| 2．1．1 基于知识的检测方法 | 第23-24页 |
| 2．1．2 基于统计的检测方法 | 第24-26页 |
| 2．1．3 基于知识和统计的方法 | 第26页 |
| 2．2 本文人脸检测方案 | 第26-27页 |
| 2．3 人脸识别方法分析 | 第27-31页 |
| 2．3．1 基于几何特征的方法 | 第28页 |
| 2．3．2 特征脸方法 | 第28-29页 |
| 2．3．3 Fisher脸方法 | 第29-30页 |
| 2．3．4 神经网络方法 | 第30页 |
| 2．3．5 基于隐马尔可夫模型的方法 | 第30-31页 |
| 2．4 本文人脸识别方案 | 第31-32页 |
| 2．5 本文方案可行性分析 | 第32-33页 |
| 2．6 方案中的信息融合思想 | 第33页 |
| 2．7 小结 | 第33-35页 |
| 3 基于知识和统计的人脸自动检测方法 | 第35-60页 |
| 3．1 基于运动检测的人脸位置检测 | 第35-41页 |
| 3．1．1 背景图像模型 | 第36页 |
| 3．1．2 基于差图像运动分析的人脸检测 | 第36-38页 |
| 3．1．3 数学形态学图像处理 | 第38-41页 |
| 3．2 基于肤色和对称性融合特征的人脸位置检测 | 第41-46页 |
| 3．2．1 彩色空间模型的选择 | 第41-42页 |
| 3．2．2 皮肤颜色模型的确定 | 第42-44页 |
| 3．2．3 肤色和对称性特征融合模型的确定 | 第44-46页 |
| 3．3 基于马赛克的人脸检测 | 第46-49页 |
| 3．3．1 标准脸分块策略 | 第46-48页 |
| 3．3．2 眼睛的定位 | 第48-49页 |
| 3．3．3 块统计量和规则制定 | 第49页 |
| 3．4 基于神经网络的人脸检测 | 第49-54页 |
| 3．4．1 神经网络概述 | 第49-51页 |
| 3．4．2 神经网络的选择 | 第51-52页 |
| 3．4．3 神经网络的构造和训练 | 第52-54页 |
| 3．5 图像质量评价 | 第54-55页 |
| 3．6 实验结果及评价 | 第55-58页 |
| 3．7 小结 | 第58-60页 |
| 4 基于隐马尔可夫模型的多分类器组合人脸识别方法 | 第60-80页 |
| 4．1 基于隐马尔可夫模型人脸识别方法 | 第60-69页 |
| 4．1．1 隐马尔可夫模型（HMM）概述 | 第60-66页 |
| 4．1．2 基于一维HMM的人脸识别方法 | 第66-67页 |
| 4．1．3 基于伪二维HMM的人脸识别方法 | 第67-69页 |
| 4．2 基于最佳鉴别矢量集的人脸识别方法 | 第69-71页 |
| 4．2．1 Foley-Sammon最佳鉴别矢量集 | 第69-70页 |
| 4．2．2 快速F-S鉴别变换 | 第70-71页 |
| 4．3 基于小波变换的多HMM分类器组合方法 | 第71-76页 |
| 4．3．1 小波定义 | 第72-73页 |
| 4．3．2二 维离散小波变换的Mallat算法 | 第73-74页 |
| 4．3．3 基于小波变换的多HMM分类器组合 | 第74-76页 |
| 4．4 实验结果及评价 | 第76-79页 |
| 4．5 小结 | 第79-80页 |
| 5 人脸自动检测和识别方法中的信息融合技术 | 第80-92页 |
| 5．1 信息融合的分类与方法 | 第80-82页 |
| 5．1．1 信息融合的分类 | 第80-82页 |
| 5．1．2 信息融合的方法 | 第82页 |
| 5．2 基于信息融合的人脸自动检测识别方法 | 第82-89页 |
| 5．2．1 检测方法中的特征融合 | 第82-83页 |
| 5．2．2 检测识别方法中的决策融合 | 第83-86页 |
| 5．2．3 分类器融合的速度问题和改进的投票决策法 | 第86-89页 |
| 5．3 实验结果及评价 | 第89-91页 |
| 5．4 小结 | 第91-92页 |
| 6 基于人脸自动检测识别技术的应用系统设计 | 第92-100页 |
| 6．1 典型生物特征识别应用系统结构 | 第92-93页 |
| 6．2 软件工程方法概述 | 第93-96页 |
| 6．3 基于人脸检测识别技术的人事考勤系统 | 第96-99页 |
| 6．3．1 人事考勤系统方案简介 | 第96-98页 |
| 6．3．2 人事考勤系统数据库设计简介 | 第98-99页 |
| 6．4 小结 | 第99-100页 |
| 7 全文工作总结与展望 | 第100-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-108页 |
| 附录 | 第108页 |