| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| ·人脸识别技术研究的背景与意义 | 第8页 |
| ·目前人脸识别的研究方向 | 第8-9页 |
| ·本文的工作以及创新点 | 第9-10页 |
| ·本文的内容安排 | 第10-11页 |
| 第二章 关于人脸检测的相关工作研究 | 第11-16页 |
| ·引言 | 第11页 |
| ·基于特征的人脸检测方法 | 第11-14页 |
| ·低级分析检测 | 第12-13页 |
| ·特征分析 | 第13页 |
| ·主动形状模型 | 第13-14页 |
| ·基于整体统计的人脸检测方法 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第三章 人脸检测 | 第16-32页 |
| ·引言 | 第16-17页 |
| ·Adaboost 算法 | 第17-23页 |
| ·Adaboost 算法过程 | 第17-18页 |
| ·矩形特征与积分图 | 第18-21页 |
| ·Adaboost 分类器 | 第21-22页 |
| ·Adaboost 算法检测机制 | 第22-23页 |
| ·前馈型神经网络 | 第23-27页 |
| ·多层感知器的特征 | 第24-25页 |
| ·BP 神经网络算法 | 第25-27页 |
| ·以 adaboost 算法为基础的 BP 算法人脸检测模型 | 第27-29页 |
| ·adaboost 级联分类器 | 第27-28页 |
| ·BP 神经网络分类器 | 第28-29页 |
| ·本章实验及结果分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 人脸识别 | 第32-43页 |
| ·引言 | 第32页 |
| ·图像预处理 | 第32-35页 |
| ·基于开关策略的简化 PCNN 去噪模型 | 第32-33页 |
| ·噪声检测 | 第33-34页 |
| ·噪声过滤 | 第34-35页 |
| ·基于子空间的人脸识别方法 | 第35-36页 |
| ·主成分分析 | 第35-36页 |
| ·线性判别方法 | 第36页 |
| ·非负矩阵分解 | 第36页 |
| ·特征提取 | 第36-40页 |
| ·脸部地标 | 第37-38页 |
| ·虹膜识别 | 第38页 |
| ·虹膜标准化 | 第38-39页 |
| ·边角定位 | 第39页 |
| ·脸部基准点 | 第39-40页 |
| ·基于 BPNN 和 PCA 的特征匹配 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·工作总结 | 第43-44页 |
| ·未来展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士期间发表的论文 | 第50页 |