| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-16页 |
| 1．1 人脸识别发展概述 | 第6-7页 |
| 1．2 人脸识别技术的研究概况 | 第7-11页 |
| 1．2．1 人脸识别的概念和过程 | 第7页 |
| 1．2．2 人脸识别的技术方法 | 第7-8页 |
| 1．2．3 基于外貌的统计人脸识别方法 | 第8-11页 |
| 1．3 人脸识别系统的评测 | 第11-14页 |
| 1．3．1 FERET数据库 | 第12-13页 |
| 1．3．2 FERET评测 | 第13-14页 |
| 1．4 本文所做的工作 | 第14-16页 |
| 第二章 基于统计的人脸识别 | 第16-27页 |
| 2．1 基于统计的特征提取 | 第16-18页 |
| 2．1．1 特征提取的概念 | 第16页 |
| 2．1．2 基于统计的特征提取的理论基础 | 第16-18页 |
| 2．1．3 主成分分析（特征脸） | 第18页 |
| 2．2 基于统计的识别 | 第18-23页 |
| 2．2．1 分类法 | 第19-22页 |
| 2．2．2 距离准则 | 第22-23页 |
| 2．3 贝叶斯优化算法 | 第23-26页 |
| 2．3．1 引言 | 第23-24页 |
| 2．3．2 贝叶斯优化算法 | 第24页 |
| 2．3．3 贝叶斯图（Bayes） | 第24-25页 |
| 2．3．4 贝叶斯图结构的学习 | 第25-26页 |
| 2．4 小结 | 第26-27页 |
| 第三章 基于统计的特征提取算法 | 第27-42页 |
| 3．1 引言 | 第27-28页 |
| 3．2 基于贝叶斯优化算法的特征向量子集选择 | 第28-31页 |
| 3．2．1 特征子集选择 | 第28-30页 |
| 3．2．2 基于贝叶斯优化算法的特征向量子集选择 | 第30-31页 |
| 3．3 算法实现及性能分析 | 第31-41页 |
| 3．3．1 脸面数据库 | 第31-32页 |
| 3．3．2 图像前期标准化处理过程 | 第32-34页 |
| 3．3．3 主成分分析的具体实现 | 第34-35页 |
| 3．3．4 实验结果 | 第35-41页 |
| 3．4 小结 | 第41-42页 |
| 第四章 人脸识别的分类算法研究 | 第42-47页 |
| 4．1 引言 | 第42-43页 |
| 4．2 K最近特征线法在人脸识别中的应用 | 第43-45页 |
| 4．3 最近特征线分类法和K最近特征线分类法的性能分析 | 第45页 |
| 4．4 小结 | 第45-47页 |
| 第五章 人脸识别的距离准则研究 | 第47-52页 |
| 5．1 引言 | 第47-48页 |
| 5．2 加权马氏距离 | 第48-49页 |
| 5．3 性能评价和分析 | 第49-50页 |
| 5．4 小结 | 第50-52页 |
| 结束语 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |