| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第7-17页 |
| ·人脸识别研究历史 | 第7-9页 |
| ·人脸识别过程 | 第9-10页 |
| ·人脸检测 | 第10-13页 |
| ·基于颜色特征的方法 | 第10-11页 |
| ·基于知识的方法 | 第11-12页 |
| ·基于统计的方法 | 第12-13页 |
| ·基于概率的方法 | 第13页 |
| ·人脸识别 | 第13-16页 |
| ·基于几何特征的人脸识别方法 | 第14页 |
| ·基于模板匹配的方法 | 第14-15页 |
| ·基于PCA和 LDA的方法 | 第15页 |
| ·基于神经网络的方法 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 矩形特征与积分图像 | 第17-27页 |
| ·Haar-like矩形特征 | 第17-22页 |
| ·原始Haar-like特征 | 第17-18页 |
| ·扩展Haar-like特征 | 第18-19页 |
| ·矩形特征的表示 | 第19-21页 |
| ·矩形特征的个数 | 第21-22页 |
| ·积分图像 | 第22-26页 |
| ·原始矩形特征积分图 | 第22-23页 |
| ·扩展矩形特征积分图 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于Adaboost的快速人脸检测 | 第27-43页 |
| ·PAC学习模型 | 第27-29页 |
| ·弱学习与强学习 | 第28-29页 |
| ·Adaboost学习算法 | 第29-31页 |
| ·弱分类器 | 第29-30页 |
| ·强分类器 | 第30-31页 |
| ·级联分类器 | 第31-32页 |
| ·检测机制 | 第32-35页 |
| ·实验结果及分析 | 第35-42页 |
| ·训练环节 | 第36-37页 |
| ·检测环节 | 第37-42页 |
| ·检测样本预处理 | 第38-39页 |
| ·实验数据及结果 | 第39-42页 |
| ·实验结果分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于LBP的实时人脸识别 | 第43-55页 |
| ·局部二进制模式 | 第43-46页 |
| ·扩展的LBP算子 | 第44页 |
| ·统一模式 | 第44-46页 |
| ·基于LBP特征提取 | 第46-49页 |
| ·图像的预处理 | 第46-48页 |
| ·LBP的权值改进 | 第48页 |
| ·LBP特征差异的度量 | 第48-49页 |
| ·实验数据及分析 | 第49-54页 |
| ·基于LBP的人脸识别 | 第49-51页 |
| ·基于核心子窗口的LBP人脸识别 | 第51-52页 |
| ·基于人脸检测后的LBP的人脸识别 | 第52-53页 |
| ·基于人脸检测后的核心子窗口的LBP人脸识别 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 两级Adaboost检测的LBP人脸识别 | 第55-60页 |
| ·算法流程 | 第55-57页 |
| ·实验数据及分析 | 第57-58页 |
| ·基于两级Adaboost检测的LBP的实时人脸识别的应用 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 附录 攻读硕士期间论文发表情况 | 第64-65页 |