| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的意义和背景 | 第9-10页 |
| 1.2 人脸识别相关技术研究现状 | 第10-16页 |
| 1.2.1 人脸检测技术 | 第10-11页 |
| 1.2.2 特征提取 | 第11-14页 |
| 1.2.3 人脸识别技术 | 第14-16页 |
| 1.3 本文研究内容与安排 | 第16-17页 |
| 第二章 图论知识及常用图论方法 | 第17-25页 |
| 2.1 图的概念与表示 | 第17-19页 |
| 2.1.1 图的基本概念 | 第17-18页 |
| 2.1.2 图的矩阵表示 | 第18页 |
| 2.1.3 最大流最小割定理 | 第18-19页 |
| 2.2 图学习与流形学习 | 第19-23页 |
| 2.2.1 学习的定义及几种学习方式 | 第19-20页 |
| 2.2.2 图学习及流形学习 | 第20页 |
| 2.2.3 基于子空间学习的图嵌入法框架 | 第20-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 视频图像预处理 | 第25-31页 |
| 3.1 视频图像提取 | 第25-26页 |
| 3.2 图像的几何归一化 | 第26页 |
| 3.3 去噪处理 | 第26-28页 |
| 3.4 光照预处理 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第四章 基于Adaboost与最小割算法的视频人脸检测 | 第31-45页 |
| 4.1 Adaboost算法 | 第31-37页 |
| 4.1.1 矩形特征与计算 | 第31-34页 |
| 4.1.2 分类器的训练 | 第34-35页 |
| 4.1.3 分类器的级联 | 第35-36页 |
| 4.1.4 实验结果与分析 | 第36-37页 |
| 4.2 基于肤色的人脸检测 | 第37-41页 |
| 4.2.1 肤色分割 | 第37-38页 |
| 4.2.2 形态学处理 | 第38-41页 |
| 4.3 最小割与Adaboost算法相结合的人脸检测 | 第41-44页 |
| 4.3.1 改进算法基本思路 | 第41-42页 |
| 4.3.2 检测结果与分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 改进的邻域保持嵌入算法与人脸识别 | 第45-57页 |
| 5.1 特征提取基本方法 | 第45-48页 |
| 5.1.1 主分量分析 | 第45-46页 |
| 5.1.2 局部线性嵌入 | 第46-47页 |
| 5.1.3 邻域保持嵌入 | 第47-48页 |
| 5.2 改进的邻域保持嵌入 | 第48-54页 |
| 5.2.1 邻域结构保持嵌入基本思想 | 第48-49页 |
| 5.2.2 差异信息的表示 | 第49-50页 |
| 5.2.3 相似信息的表示 | 第50页 |
| 5.2.4 信息保持准则 | 第50-52页 |
| 5.2.5 特征提取与分类 | 第52页 |
| 5.2.6 算法总结 | 第52-54页 |
| 5.3 实验与分析 | 第54-56页 |
| 5.3.1 实验数据 | 第54页 |
| 5.3.2 实验结果与分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 结论 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63-64页 |