| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·人脸识别的研究背景及意义 | 第7-8页 |
| ·人脸识别算法研究现状 | 第8-11页 |
| ·本文的研究内容及章节安排 | 第11-13页 |
| ·本文研究内容 | 第11-12页 |
| ·本文章节安排 | 第12-13页 |
| 第二章 基于肤色分割和模板匹配的人脸检测方法 | 第13-29页 |
| ·引言 | 第13页 |
| ·人脸检测常用的彩色空间 | 第13-15页 |
| ·常用的肤色模型 | 第15-16页 |
| ·肤色分割 | 第16-19页 |
| ·二值图的数学形态学处理 | 第19-21页 |
| ·腐蚀 | 第19页 |
| ·膨胀 | 第19-20页 |
| ·开运算和闭运算 | 第20-21页 |
| ·模板匹配的原理 | 第21页 |
| ·模板的制作 | 第21-22页 |
| ·人脸模板的匹配过程 | 第22-24页 |
| ·模板的尺寸调整 | 第22-23页 |
| ·模板的角度调整 | 第23页 |
| ·模板匹配 | 第23-24页 |
| ·实验及结果分析 | 第24-28页 |
| ·人脸检测算法的评价标准 | 第24页 |
| ·测试图像的选择 | 第24-25页 |
| ·实验结果分析及部分检测结果图 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于线性子空间的人脸识别方法 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·主成分分析方法 | 第30-32页 |
| ·线性鉴别分析方法 | 第32-35页 |
| ·小样本问题 | 第35页 |
| ·主成分分析和线性判别分析结合的方法 | 第35-37页 |
| ·零空间方法 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于改进的谱回归线性鉴别分析的人脸识别方法 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·基于谱图论的流行学习 | 第42-43页 |
| ·流行学习概述 | 第42页 |
| ·基于谱图论的流行学习 | 第42-43页 |
| ·基于改进的谱回归线性鉴别分析方法 | 第43-48页 |
| ·SR-LDA方法概述 | 第43-44页 |
| ·广义特征值方程的另一种表示 | 第44-45页 |
| ·改进的SR-LDA方法 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 人脸识别实验及结果分析 | 第49-57页 |
| ·分类器选择 | 第49页 |
| ·实验选取的人脸库 | 第49-51页 |
| ·基于子空间方法的实验及结果分析 | 第51-54页 |
| ·基于SR-LDA方法的实验及结果分析 | 第54-56页 |
| ·本章小节 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者攻读硕士学位期间的研究成果 | 第65页 |