| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 人脸识别的研究背景及意义 | 第12-13页 |
| 1.2 人脸识别算法研究历程和现状 | 第13-15页 |
| 1.2.1 人脸识别的发展历史 | 第13-15页 |
| 1.2.2 国内外人脸识别研究现状 | 第15页 |
| 1.3 人脸识别系统介绍 | 第15-17页 |
| 1.3.1 人脸识别系统的构成 | 第16-17页 |
| 1.3.2 人脸识别系统的性能评判指标 | 第17页 |
| 1.4 本文的研究内容及结构安排 | 第17-19页 |
| 第2章 基于特征提取的人脸识别算法 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 主成分分析方法 | 第19-22页 |
| 2.3 线性判别分析方法 | 第22-23页 |
| 2.4 局部二值模式 | 第23-28页 |
| 2.4.1 原始局部二值模式 | 第23-24页 |
| 2.4.2 几种扩展模式 | 第24-27页 |
| 2.4.3 LBP算法流程及相似度衡量 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 权值融合原始和虚拟样本的人脸识别算法 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 产生虚拟样本的方法 | 第29-32页 |
| 3.2.1 左右对称虚拟样本 | 第29-31页 |
| 3.2.2 镜面虚拟样本 | 第31-32页 |
| 3.3 提出的权值融合原始和虚拟样本的人脸识别方法 | 第32-37页 |
| 3.3.1 算法过程 | 第32-33页 |
| 3.3.2 实验结果与分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于协同表示分类的人脸识别算法研究 | 第38-55页 |
| 4.1 引言 | 第38页 |
| 4.2 基于稀疏表示的分类算法 | 第38-41页 |
| 4.3 基于协同表示的分类算法 | 第41-43页 |
| 4.4 基于协同表示的两级分类人脸识别 | 第43-47页 |
| 4.4.1 算法过程 | 第43-44页 |
| 4.4.2 实验结果及分析 | 第44-47页 |
| 4.5 自适应权值的双重分类人脸识别算法 | 第47-54页 |
| 4.5.1 自适应加权融合 | 第47-48页 |
| 4.5.2 算法过程 | 第48-50页 |
| 4.5.3 实验结果与分析 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于单样本条件人脸识别的应用 | 第55-59页 |
| 5.1 人脸识别的应用场景 | 第55-56页 |
| 5.2 基于公安部门确认嫌犯身份的人脸识别案例分析 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |