| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究意义 | 第11-13页 |
| 1.2 人脸识别技术国内外现状分析 | 第13-17页 |
| 1.2.1 研究现状 | 第13-15页 |
| 1.2.2 应用现状 | 第15-17页 |
| 1.3 主要工作概述 | 第17-20页 |
| 1.3.1 研究目的 | 第17-18页 |
| 1.3.2 研究内容 | 第18页 |
| 1.3.3 组织结构 | 第18-20页 |
| 第2章 子空间人脸识别技术 | 第20-32页 |
| 2.1 主成分分析方法PCA | 第20-25页 |
| 2.1.1 K-L变换理论 | 第20-22页 |
| 2.1.2 PCA人脸识别技术 | 第22-25页 |
| 2.2 二维主成分分析2DPCA | 第25-30页 |
| 2.2.1 2DPCA与PCA之间的比较 | 第26页 |
| 2.2.2 2DPCA人脸识别方法 | 第26-29页 |
| 2.2.3 识别率的对比 | 第29-30页 |
| 2.3 其他相关方法 | 第30-31页 |
| 2.4 人脸识别方法评价指标 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于交叉分组策略的C2DPCA算法 | 第32-39页 |
| 3.1 2DPCA等算法的弊端分析 | 第32-35页 |
| 3.1.1 较高的组内相关性 | 第32-33页 |
| 3.1.2 丢失PCA当中的协方差信息 | 第33-34页 |
| 3.1.3 相关改进的论述 | 第34-35页 |
| 3.2 C2DPCA原理及计算方法 | 第35-36页 |
| 3.3 人脸图像的重构计算 | 第36-37页 |
| 3.4 识别性能的提升 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 结合C2DPCA与经典PCA算法的人脸识别 | 第39-56页 |
| 4.1 C2DPCA与PCA算法结合的提出 | 第39-42页 |
| 4.2 引入QR分解法 | 第42-48页 |
| 4.2.1 Householder矩阵变换法 | 第42-43页 |
| 4.2.2 QR矩阵分解 | 第43-44页 |
| 4.2.3 QR方法与特征值 | 第44-45页 |
| 4.2.4 QR方法结合 | 第45-48页 |
| 4.3 分类器的设计 | 第48页 |
| 4.4 人脸库实验结果比较及分析 | 第48-55页 |
| 4.4.1 ORL人脸数据库实验 | 第49-50页 |
| 4.4.2 AR人脸数据库实验 | 第50-52页 |
| 4.4.3 PIE人脸数据库实验 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 Android平台人脸识别应用实现 | 第56-72页 |
| 5.1 Android系统平台 | 第56-59页 |
| 5.1.1 Android系统框架 | 第56-57页 |
| 5.1.2 Android系统四大组件 | 第57-59页 |
| 5.2 开发环境介绍 | 第59-63页 |
| 5.2.1 硬件环境 | 第59页 |
| 5.2.2 软件环境 | 第59-60页 |
| 5.2.3 Android JNI技术 | 第60-61页 |
| 5.2.4 Android OpenCV技术 | 第61-63页 |
| 5.3 应用程序设计 | 第63-66页 |
| 5.3.1 整体设计 | 第63-64页 |
| 5.3.2 功能模块设计 | 第64-66页 |
| 5.4 应用程序运行实现与分析 | 第66-71页 |
| 5.4.1 运行功能实现 | 第66-68页 |
| 5.4.2 运行性能指标 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 总结与展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第79页 |