| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-21页 |
| ·研究的背景与意义 | 第10-11页 |
| ·人脸检测研究现状 | 第11-14页 |
| ·人脸识别研究现状 | 第14-16页 |
| ·人脸识别技术的主要研究困难 | 第16-17页 |
| ·本文主要研究内容 | 第17-19页 |
| ·论文章节安排 | 第19-21页 |
| 2 基于子空间人脸识别算法 | 第21-31页 |
| ·引言 | 第21页 |
| ·基于线性子空间的人脸识别 | 第21-24页 |
| ·主成分分析方法 | 第21-22页 |
| ·线性判别分析方法 | 第22-23页 |
| ·独立成份分析方法 | 第23-24页 |
| ·基于非线性子空间的人脸识别 | 第24-28页 |
| ·核主成分分析 | 第25-27页 |
| ·核线性判别分析 | 第27-28页 |
| ·实验与分析 | 第28-30页 |
| ·Yale人脸数据库 | 第28-29页 |
| ·PIE人脸数据库 | 第29页 |
| ·基于子空间学习的人脸识别技术路线 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于LPP-ADABOOST的人脸检测算法研究 | 第31-39页 |
| ·引言 | 第31-32页 |
| ·基于LPP的特征提取 | 第32-33页 |
| ·分类函数的学习 | 第33-35页 |
| ·构造弱分类器 | 第33-34页 |
| ·构造强分类 | 第34-35页 |
| ·级联分类器 | 第35页 |
| ·实验与分析 | 第35-38页 |
| ·CAS-PEAL人脸库实验结果 | 第36-38页 |
| ·视频检测结果 | 第38页 |
| ·本章小结 | 第38-39页 |
| 4 基于LBP-SR的人脸识别算法研究 | 第39-53页 |
| ·引言 | 第39-40页 |
| ·基于多尺度LBP特征提取 | 第40-43页 |
| ·LBP算子概述 | 第40-42页 |
| ·多尺度LBP特征提取 | 第42-43页 |
| ·基于SR特征空间构造 | 第43-47页 |
| ·维度约减框架 | 第43-44页 |
| ·谱回归降维算法 | 第44-47页 |
| ·基于LBP-SR人脸识别算法 | 第47-48页 |
| ·实验与分析 | 第48-51页 |
| ·ORL标准人脸库实验 | 第49页 |
| ·CAS-PEAL标准人脸库实验 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 5 基于人脸识别的视频监控系统设计与实现 | 第53-65页 |
| ·系统总体框架 | 第53-55页 |
| ·人脸识别系统设计 | 第55-62页 |
| ·数据访问层设计 | 第55页 |
| ·人脸检测接口设计 | 第55-58页 |
| ·人脸识别接口设计 | 第58-62页 |
| ·人脸识别系统实现 | 第62-64页 |
| ·开发环境 | 第62页 |
| ·系统界面 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-68页 |
| ·本文工作总结 | 第65-66页 |
| ·未来工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士研究生期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74页 |