| 符号说明 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-14页 |
| 第1章 绪论 | 第14-20页 |
| ·研究背景和意义 | 第14-15页 |
| ·国内外研究进展及现状 | 第15-17页 |
| ·人脸识别技术难点分析 | 第17页 |
| ·人脸识别常用数据库 | 第17-18页 |
| ·论文研究内容及章节安排 | 第18-20页 |
| 第2章 人脸识别系统概述 | 第20-32页 |
| ·人脸图像预处理 | 第20-26页 |
| ·人脸检测 | 第26-28页 |
| ·特征提取 | 第28-30页 |
| ·分类识别 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 常用人脸检测识别方法 | 第32-41页 |
| ·Ada Boost算法 | 第32-33页 |
| ·基于子空间线性投影方法 | 第33-37页 |
| ·主成分分析（PCA）算法 | 第34页 |
| ·线性鉴别分析（LDA）算法 | 第34-35页 |
| ·独立成分分析（ICA）算法 | 第35-37页 |
| ·常见人脸分类方法 | 第37-40页 |
| ·K-近邻（KNN）分类器 | 第37页 |
| ·支持向量机（SVM） | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于压缩感知的人脸识别方法 | 第41-59页 |
| ·压缩感知理论简介 | 第41-45页 |
| ·压缩感知基本原理 | 第42-44页 |
| ·信号的稀疏表示 | 第44页 |
| ·测量矩阵的选取 | 第44-45页 |
| ·信号重构 | 第45页 |
| ·基于稀疏表示的经典人脸识别算法 | 第45-48页 |
| ·字典设计 | 第46页 |
| ·测试样本稀疏表示 | 第46-47页 |
| ·稀疏表示分类 | 第47页 |
| ·完整算法描述 | 第47-48页 |
| ·基于压缩感知的人脸识别算法 | 第48-51页 |
| ·测量矩阵优化设计 | 第51-55页 |
| ·算法实现及实验结果分析 | 第55-58页 |
| ·测量矩阵优化参数设置 | 第55-56页 |
| ·基于CS人脸识别算法性能测试 | 第56-57页 |
| ·测量矩阵优化算法性能测试 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于MATLAB人脸识别仿真实验及基于VC++人脸识别平台设计 | 第59-74页 |
| ·基于MATLAB人脸识别平台设计 | 第59-64页 |
| ·人脸识别系统设计 | 第59-60页 |
| ·人脸识别系统模块设计 | 第60-61页 |
| ·基于MATLAB人脸识别系统实现 | 第61-64页 |
| ·基于VC++人脸识别平台设计 | 第64-67页 |
| ·基于VC++人脸识别系统流程及模块设计 | 第64-65页 |
| ·基于VC++人脸识别平台实现 | 第65-67页 |
| ·基于MATLAB人脸识别实验及结果分析 | 第67-72页 |
| ·预处理对识别率的影响 | 第67-68页 |
| ·不同训练样本数对识别率的影响 | 第68-69页 |
| ·不同提取特征维数对识别率的影响 | 第69-70页 |
| ·同一降维方法下不同识别分类算法对识别率的影响 | 第70页 |
| ·同一识别方法下不同降维算法对识别率的影响 | 第70-71页 |
| ·同一降维识别方法下不同人脸库对识别率的影响 | 第71-72页 |
| ·实时性分析 | 第72页 |
| ·本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| ·本文总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |