| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9-11页 |
| ·人脸检测与识别的研究意义 | 第11-12页 |
| ·人脸检测与识别的国内外研究现状 | 第12-15页 |
| ·主要工作及本文组织 | 第15-17页 |
| 2 人脸图像的预处理 | 第17-27页 |
| ·常用的人脸图像预处理 | 第17-23页 |
| ·人脸图像的灰度化 | 第17-18页 |
| ·人脸图像的二值化 | 第18-19页 |
| ·直方图修正 | 第19-20页 |
| ·人脸图像的去噪 | 第20-22页 |
| ·平滑处理 | 第20-21页 |
| ·中值滤波 | 第21-22页 |
| ·几何校正 | 第22-23页 |
| ·本文应用的预处理方法 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 3 静态灰度人脸检测 | 第27-42页 |
| ·人脸检测技术综述 | 第27-30页 |
| ·基于启发式模型的方法 | 第27-29页 |
| ·基于统计模型的方法 | 第29-30页 |
| ·ADABOOST 人脸检测基本原理 | 第30-38页 |
| ·Haar 特征 | 第30-34页 |
| ·积分图 | 第34-35页 |
| ·分类函数的学习 | 第35-37页 |
| ·瀑布式的人脸检测 | 第37-38页 |
| ·人脸检测算法的加速 | 第38-40页 |
| ·基于小波变换的金字塔搜索 | 第38页 |
| ·边缘提取 | 第38-40页 |
| ·Sobel 算子 | 第39页 |
| ·Canny 算子 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 人脸识别算法及分类器 | 第42-58页 |
| ·主要的人脸识别方法 | 第42-44页 |
| ·人脸识别方法性能评价 | 第44-46页 |
| ·常用分类器 | 第46-50页 |
| ·基于距离的分类器 | 第46-49页 |
| ·最近邻分类器 | 第48页 |
| ·最简单的最小距离分类器 | 第48-49页 |
| ·贝叶斯分类器 | 第49页 |
| ·神经网络分类器（NNC） | 第49-50页 |
| ·支撑向量机（SVM） | 第50页 |
| ·基于距离的分类器的改进 | 第50-57页 |
| ·传统的距离分类器的不足 | 第50-52页 |
| ·k 均值聚类算法 | 第52-53页 |
| ·基于Mahalanobis 距离的最小距离分类器 | 第53-54页 |
| ·基于样本与子集距离的距离分类器 | 第54页 |
| ·训练样本的筛选 | 第54-55页 |
| ·改进的距离分类器算法流程 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 实验结果与分析 | 第58-68页 |
| ·人脸图像数据库的说明 | 第58-60页 |
| ·实验结果 | 第60-68页 |
| ·实验1 预处理对人脸检测及识别的影响 | 第60-61页 |
| ·实验2 对Adaboost 人脸检测算法的加速 | 第61-66页 |
| ·实验3 分类器的比较 | 第66-68页 |
| 6 全文总结与展望 | 第68-71页 |
| ·论文的主要研究工作 | 第68-69页 |
| ·需要进一步研究的工作 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 附录1 攻读学位期间发表论文目录 | 第79页 |