| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·视频图像中人脸识别问题描述 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第2章 基于视频的人脸识别综述 | 第14-18页 |
| ·基于图像数据库的视频人脸识别 | 第14页 |
| ·基于视频数据库的视频人脸识别 | 第14-17页 |
| ·流形 | 第15页 |
| ·动态模型 | 第15-16页 |
| ·概率 | 第16页 |
| ·矩阵 | 第16页 |
| ·矢量 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 视频人脸识别中的关键技术研究 | 第18-37页 |
| ·系统架构 | 第18-19页 |
| ·人脸检测技术 | 第19-24页 |
| ·Haar 特征 | 第19页 |
| ·积分图 | 第19-20页 |
| ·级联 Adaboost 算法 | 第20-22页 |
| ·缺点与不足 | 第22页 |
| ·二次过滤 | 第22-23页 |
| ·支持向量机简介 | 第23-24页 |
| ·人脸质量诊断 | 第24-25页 |
| ·光照矫正 | 第25-26页 |
| ·姿态矫正 | 第26-30页 |
| ·主动形状模型算法 | 第27页 |
| ·ASM 的模型建立 | 第27-29页 |
| ·ASM 模型的搜索算法 | 第29-30页 |
| ·特征提取 | 第30-36页 |
| ·主成分分析特征简介 | 第30-31页 |
| ·线性判别分析特征简介 | 第31-34页 |
| ·LBP 特征简介 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于稀疏表示的分类器在视频人脸识别中的应用 | 第37-49页 |
| ·稀疏表示分类器算法简介 | 第37-39页 |
| ·快速稀疏表示分类器 | 第39-40页 |
| ·级联稀疏表示分类器 | 第40-41页 |
| ·单样本稀疏表示分类器 | 第41-42页 |
| ·实验 | 第42-47页 |
| ·FSRC 试验 | 第42-44页 |
| ·CSRC 实验 | 第44-46页 |
| ·SSSRC 实验 | 第46-47页 |
| ·人脸检测实验 | 第47页 |
| ·本章小结 | 第47-49页 |
| 总结与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 个人简介 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |