| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 人脸识别研究现状及主要挑战 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 主要挑战 | 第10-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 文章结构 | 第12-14页 |
| 2 人脸识别技术 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 自动人脸识别系统组成 | 第14-15页 |
| 2.3 主流人脸识别算法 | 第15-25页 |
| 2.3.1 基于可视特征的人脸识别算法 | 第15-17页 |
| 2.3.2 基于子空间分析的人脸识别算法 | 第17-19页 |
| 2.3.3 基于机器学习的人脸识别算法 | 第19-22页 |
| 2.3.4 基于三维模型的人脸识别算法 | 第22-25页 |
| 2.4 常用人脸图像数据库 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于FisherFace和SIFT特征加权集成的人脸识别算法 | 第28-45页 |
| 3.1 引言 | 第28-29页 |
| 3.2 FisherFace特征提取 | 第29-31页 |
| 3.2.1 PCA算法 | 第29-30页 |
| 3.2.2 Fisher线性鉴别分析 | 第30-31页 |
| 3.3 SIFT特征提取 | 第31-37页 |
| 3.3.1 SIFT理论概述 | 第31-36页 |
| 3.3.2 K-Means聚类 | 第36-37页 |
| 3.4 基于FisherFace和SIFT特征加权集成的人脸识别算法 | 第37-40页 |
| 3.4.1 构造全局分类器 | 第37-38页 |
| 3.4.2 构造局部分类器 | 第38-39页 |
| 3.4.3 权重计算方法 | 第39-40页 |
| 3.4.4 构造整体分类器 | 第40页 |
| 3.5 实验 | 第40-44页 |
| 3.5.1 实验描述 | 第40-42页 |
| 3.5.2 实验结果及分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于多特征加权集成的人脸识别算法 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 人脸姿态矫正 | 第46-50页 |
| 4.2.1 人脸姿态估计 | 第46-48页 |
| 4.2.2 基于仿射变换的人脸姿态矫正 | 第48-50页 |
| 4.3 Gabor特征提取 | 第50-51页 |
| 4.3.1 Gabor小波变换概述 | 第50页 |
| 4.3.2 Gabor特征提取 | 第50-51页 |
| 4.4 基于多特征加权集成的人脸识别算法 | 第51-53页 |
| 4.4.1 构建纹理分类器 | 第52页 |
| 4.4.2 构建整体分类器 | 第52-53页 |
| 4.5 实验 | 第53-55页 |
| 4.5.1 实验描述 | 第53-54页 |
| 4.5.2 实验结果及分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 未来展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| A. 作者在攻读硕士学位期间内发表的论文 | 第63页 |
| B. 在攻读硕士学位期间参加的科研项目 | 第63页 |