| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 课题研究内容与意义 | 第7-11页 |
| 1．1 人脸识别的研究内容及应用 | 第7-8页 |
| 1．2 人脸识别目前研究状况 | 第8-9页 |
| 1．3 本文研究的主要内容 | 第9页 |
| 1．4 本文的主要创新点 | 第9-11页 |
| 第二章 人脸识别系统综述 | 第11-25页 |
| 2．1 人脸自动识别系统 | 第11页 |
| 2．2 人脸检测与定位方法综述 | 第11-13页 |
| 2．2．1 基于统计的人脸检测方法 | 第11-12页 |
| 2．2．2 基于知识建模的人脸检测方法 | 第12页 |
| 2．2．3 基于颜色的人脸检测方法 | 第12-13页 |
| 2．3 人脸特征提取与识别方法 | 第13-19页 |
| 2．3．1 基于几何特征的人脸识别方法 | 第13-15页 |
| 2．3．2 基于特征脸的方法 | 第15-16页 |
| 2．3．3 基于模板匹配的人脸识别方法 | 第16页 |
| 2．3．4 基于弹性模型的方法 | 第16-17页 |
| 2．3．5 基于随机序列模型的人脸识别方法 | 第17页 |
| 2．3．6 神经网络法 | 第17-18页 |
| 2．3．7 其它方法 | 第18-19页 |
| 2．4 支持向量机技术概述 | 第19-25页 |
| 2．4．1 经典的支持向量机 | 第19-21页 |
| 2．4．2 扩展的支持向量机 | 第21-25页 |
| 第三章 人脸检测 | 第25-36页 |
| 3．1 肤色建模 | 第25-29页 |
| 3．2 基于奇异值的特征提取 | 第29-32页 |
| 3．2．1 奇异值分解 | 第30-32页 |
| 3．3 疑似人脸区域的确定 | 第32-33页 |
| 3．4 基于支持向量机的人脸检测算法 | 第33-36页 |
| 第四章 人脸识别 | 第36-42页 |
| 4．1 人脸识别特征的提取 | 第36-38页 |
| 4．2 基于编码框架下的SVM分类器设计 | 第38-41页 |
| 4．3 结合视频流特点的人脸判别 | 第41-42页 |
| 第五章 基于单视图的多姿态人脸生成 | 第42-47页 |
| 5．1 摄像机成像模型 | 第42-45页 |
| 5．2 实验结果 | 第45页 |
| 5．3 小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间已发表和录用的文章及参与的科研项目 | 第55页 |