| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·研究的背景与意义 | 第8-9页 |
| ·性别、种族人脸识别的研究现状 | 第9-12页 |
| ·性别和种族人脸识别的研究现状 | 第9-11页 |
| ·性别和种族人脸识别的算法介绍 | 第11-12页 |
| ·典型人脸图像库简介 | 第12-13页 |
| ·本文的研究内容及创新点 | 第13-15页 |
| ·本文的章节安排 | 第15-16页 |
| 2 人脸图像的特征提取方法 | 第16-30页 |
| ·Gabor小波特征提取方法 | 第16-22页 |
| ·概述 | 第16-17页 |
| ·Gabor小波性质 | 第17-18页 |
| ·人脸性别、种族识别与Gabor小波变换 | 第18页 |
| ·人脸图像的二维Gabor小波变换 | 第18-22页 |
| ·其他一些常用的人脸特征提取算法 | 第22-29页 |
| ·主成分分析法(PCA) | 第22-23页 |
| ·独立成分分析法(ICA) | 第23-28页 |
| ·Haar-like小波特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 支持向量机(SVM) | 第30-42页 |
| ·概述 | 第30页 |
| ·机器学习和VC维理论 | 第30-32页 |
| ·机器学习 | 第30-31页 |
| ·VC维理论 | 第31-32页 |
| ·线性可分的最优分类面 | 第32-34页 |
| ·线性不可分的广义最优分类面 | 第34-35页 |
| ·广义最优分类面 | 第34页 |
| ·常用的SVM核函数 | 第34-35页 |
| ·SVM的训练算法 | 第35-41页 |
| ·Osuna算法 | 第35页 |
| ·SMO算法 | 第35页 |
| ·LibSVM算法 | 第35-41页 |
| ·SVM用于多类识别 | 第41页 |
| ·一对一投票式SVM | 第41页 |
| ·一对多SVM | 第41页 |
| ·本章小结 | 第41-42页 |
| 4 人脸性别识别研究 | 第42-62页 |
| ·概述 | 第42页 |
| ·人脸图像预处理 | 第42-48页 |
| ·人脸图像几何归一化 | 第42-43页 |
| ·人脸有效区域获得方法 | 第43-48页 |
| ·Adaboost训练降维方法 | 第48-52页 |
| ·Adaboost算法 | 第49-51页 |
| ·弱学习算法(Weaklearner) | 第51-52页 |
| ·人脸性别识别实验及结果分析 | 第52-60页 |
| ·PCA+SVM | 第52-54页 |
| ·PCA+ICA+SVM | 第54-56页 |
| ·本文提出的Gabor+Adaboost+SVM人脸性别识别方法 | 第56-60页 |
| ·本章小结 | 第60-62页 |
| 5 人脸种族识别研究 | 第62-70页 |
| ·概述 | 第62-63页 |
| ·颜色模型 | 第63-65页 |
| ·RGB颜色模型 | 第63页 |
| ·HSI颜色模型 | 第63-65页 |
| ·人脸种族识别实验及结果分析 | 第65-68页 |
| ·树型SVM用于人脸种族识别 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| ·本人工作总结 | 第70页 |
| ·本课题今后研究方向的预测与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |