| 第一章 绪论 | 第1-13页 |
| §1-1 生物识别技术 | 第8页 |
| §1-2 生物识别的关键技术 | 第8-9页 |
| §1-3 人脸识别的主要特点 | 第9页 |
| §1-4 人脸识别的测试平台 | 第9-10页 |
| §1-5 人脸识别的现状 | 第10-11页 |
| §1-6 本文的主要工作 | 第11-13页 |
| 第二章 人脸检测 | 第13-26页 |
| §2-1 Haar型特征介绍 | 第13-16页 |
| §2-2 矩形特征数量 | 第16-17页 |
| §2-3 利用积分图(Integral Image)快速计算矩形特征 | 第17-18页 |
| §2-4 分类器的设计和训练 | 第18-26页 |
| 2-4-1 弱分类器 | 第19页 |
| 2-4-2 强分类器(strong classifier) | 第19页 |
| 2-4-3 多层分类器的构成方式 | 第19-20页 |
| 2-4-4 多层分类器的检测率与误检率 | 第20-21页 |
| 2-4-5 Adaboost方法训练强分类器 | 第21-23页 |
| 2-4-6 检测人脸 | 第23-26页 |
| 第三章 特征提取 | 第26-34页 |
| §3-1 引言 | 第26页 |
| §3-2 PCA基本原理 | 第26-27页 |
| §3-3 PCA用于人脸识别 | 第27-29页 |
| §3-4 实验结果 | 第29-34页 |
| 3-4-1 人脸数据库 | 第29-30页 |
| 3-4-2 系统框架图 | 第30-32页 |
| 3-4-3 识别软件说明 | 第32-34页 |
| 第四章 BP神经网络及其在图象识别中的应用 | 第34-44页 |
| §4-1 引言 | 第34页 |
| §4-2 生物神经元 | 第34-35页 |
| §4-3 人工神经元 | 第35-36页 |
| 4-3-1 M-P模型 | 第35-36页 |
| 4-3-2 人工神经元的分类 | 第36页 |
| §4-4 人工神经网络 | 第36-37页 |
| 4-4-1 人工神经网络的拓扑结构 | 第36-37页 |
| 4-4-2 人工神经网络的学习方式 | 第37页 |
| §4-5 BP神经网络 | 第37-41页 |
| §4-6 运用改进的BP算法对人脸进行分类识别 | 第41-44页 |
| 第五章 基于神经网络的人脸识别实验 | 第44-48页 |
| §5-1 系统的原理与构成 | 第44页 |
| §5-2 基于Adaboost的人脸检测 | 第44-45页 |
| §5-3 基于PCA+ANN的人脸识别 | 第45-48页 |
| 5-3-1 人脸数据库的设计 | 第45页 |
| 5-3-2 PCA特征提取 | 第45-46页 |
| 5-3-3 ANN分类器及实验结果 | 第46-48页 |
| 第六章 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间公开发表的论文 | 第52页 |