| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| ·概述 | 第12-13页 |
| ·人脸识别技术发展现状及应用前景 | 第13-14页 |
| ·人脸识别技术的研究内容 | 第14-16页 |
| ·论文主要工作及结构 | 第16-19页 |
| 第二章 基于OpenCV机器视觉库的人脸图像预处理 | 第19-30页 |
| ·概述 | 第19-22页 |
| ·图像增强 | 第22-24页 |
| ·中值滤波 | 第22-23页 |
| ·直方图均衡化 | 第23-24页 |
| ·图像规范化 | 第24-26页 |
| ·人脸图像的垂直和水平灰度投影 | 第24-25页 |
| ·几何变换 | 第25-26页 |
| ·实验及结果 | 第26-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于SVD_Trim算法的人脸图像特征提取方法 | 第30-41页 |
| ·概述 | 第30-31页 |
| ·奇异值分解 | 第31-32页 |
| ·奇异值分解定理 | 第31页 |
| ·图像矩阵的奇异值分解算法 | 第31-32页 |
| ·SVD_Trim算法 | 第32-34页 |
| ·实验及结果 | 第34-40页 |
| ·人脸图像奇异值特征提取 | 第35-36页 |
| ·人脸图像的SVD_Trim特征提取 | 第36-40页 |
| ·小结 | 第40-41页 |
| 第四章 基于最小二乘支持向量机的人脸图像特征识别方法 | 第41-62页 |
| ·概述 | 第41-42页 |
| ·支持向量机基础理论 | 第42-47页 |
| ·最大间隔超平面 | 第43-46页 |
| ·核函数 | 第46-47页 |
| ·支持向量机 | 第47-54页 |
| ·支持向量机模型 | 第47-50页 |
| ·支持向量机算法 | 第50-52页 |
| ·序贯最小优化算法 | 第52-53页 |
| ·支持向量机人脸识别方法 | 第53-54页 |
| ·最小二乘支持向量机 | 第54-59页 |
| ·最小二乘支持向量机模型 | 第55-56页 |
| ·最小二乘支持向量机算法 | 第56-57页 |
| ·最小二乘支持向量机人脸图像特征分类方法 | 第57-59页 |
| ·实验及结果 | 第59-60页 |
| ·小结 | 第60-62页 |
| 第五章 人脸识别原型系统 | 第62-71页 |
| ·概述 | 第62页 |
| ·人脸识别原型系统设计 | 第62-65页 |
| ·人脸识别原型系统实现 | 第65-70页 |
| ·小结 | 第70-71页 |
| 结束语 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
