| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外该方向的研究现状 | 第9-12页 |
| 1.2.1 国外研究发展现状 | 第9-11页 |
| 1.2.2 国内研究发展现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 人脸检测和识别技术的基本理论 | 第14-20页 |
| 2.1 人脸检测的主要方法 | 第14-16页 |
| 2.1.1 基于先验知识模型的人脸检测方法 | 第14-15页 |
| 2.1.2 基于模板匹配模型的人脸检测方法 | 第15-16页 |
| 2.1.3 基于统计学模型的人脸检测方法 | 第16页 |
| 2.2 人脸识别的主要方法 | 第16-19页 |
| 2.2.1 基于几何特征的人脸识别方法 | 第17页 |
| 2.2.2 基于特征脸的人脸识别方法 | 第17-18页 |
| 2.2.3 基于人工神经网络的人脸识别算法 | 第18页 |
| 2.2.4 基于隐马尔可夫模型的人脸识别算法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 图像预处理以及人脸区域的检测 | 第20-41页 |
| 3.1 人脸图像预处理 | 第20-27页 |
| 3.1.1 颜色空间 | 第20-21页 |
| 3.1.2 几何校正 | 第21-23页 |
| 3.1.3 图像滤波 | 第23-27页 |
| 3.2 基于肤色模型的人脸检测 | 第27-30页 |
| 3.2.1 肤色模型的建立 | 第27-28页 |
| 3.2.2 肤色区域的分割及人脸检测 | 第28-30页 |
| 3.3 基于Adaboost算法的人脸检测 | 第30-36页 |
| 3.3.1 harr特征与积分图 | 第31-34页 |
| 3.3.2 Adaboost算法 | 第34-35页 |
| 3.3.3 级联分类器 | 第35-36页 |
| 3.4 基于肤色模型结合Adaboost算法的人脸检测 | 第36-40页 |
| 3.4.1 两种检测方法的优势及其局限性 | 第36-37页 |
| 3.4.2 肤色模型结合Adaboost算法的人脸检测 | 第37-38页 |
| 3.4.3 实验结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 人脸特征点定位及人脸识别 | 第41-53页 |
| 4.1 人脸特征点的定位 | 第41-46页 |
| 4.1.1 人脸特征点定位方法 | 第41-42页 |
| 4.1.2 人脸五官分布的先验知识 | 第42-43页 |
| 4.1.3 各特征点的定位 | 第43-46页 |
| 4.2 基于PCA结合局部关键点的人脸识别 | 第46-49页 |
| 4.2.1 构造特征脸空间 | 第46-48页 |
| 4.2.2 样本的特征提取 | 第48页 |
| 4.2.3 基于PCA结合局部特征点的人脸识别的实现 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-52页 |
| 4.3.1 实验环境 | 第49-50页 |
| 4.3.2 人脸识别实验分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
