| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·人脸识别技术的应用背景及研究现状 | 第9-11页 |
| ·人脸识别技术的应用 | 第9页 |
| ·人脸识别技术在国外的研究现状 | 第9-11页 |
| ·人脸识别技术在国内的研究现状 | 第11页 |
| ·当前人脸识别技术所存在的主要问题 | 第11-12页 |
| ·课题主要工作和论文结构安排 | 第12-14页 |
| ·课题主要工作 | 第12页 |
| ·论文的结构安排 | 第12-14页 |
| 第二章 图像处理的相关知识及人脸识别系统的构造 | 第14-18页 |
| ·图像处理基本知识 | 第14-15页 |
| ·数字图像的物理基础 | 第14-15页 |
| ·图像预处理知识 | 第15-16页 |
| ·人脸识别系统的构造 | 第16-18页 |
| 第三章 人脸检测技术及其实现 | 第18-32页 |
| ·人脸检测的研究背景及意义 | 第18页 |
| ·人脸模式的特征 | 第18-19页 |
| ·人脸检测算法的研究 | 第19-23页 |
| ·肤色区域分割与人脸验证方法 | 第19-20页 |
| ·基于知识模型的方法 | 第20-21页 |
| ·基于统计模型的方法 | 第21-23页 |
| ·基于haar-like特征的人脸检测 | 第23-28页 |
| ·基于haar-like特征人脸检测的原理 | 第23页 |
| ·特征集 | 第23-24页 |
| ·特征数的计算 | 第24-25页 |
| ·快速特征计算 | 第25-26页 |
| ·层叠分类器 | 第26-27页 |
| ·Adaboost算法 | 第27-28页 |
| ·针对双框定位现象的改进 | 第28页 |
| ·实验结果及分析 | 第28-32页 |
| 第四章 特征提取 | 第32-39页 |
| ·人脸特征提取概述 | 第32-37页 |
| ·几何特征提取 | 第32-33页 |
| ·线性子空间方法 | 第33-35页 |
| ·基于核的非线性子空间分析 | 第35-37页 |
| ·实验结果和分析 | 第37-39页 |
| 第五章 分类识别 | 第39-65页 |
| ·机器学习的基本问题 | 第39-43页 |
| ·问题的表示 | 第39-40页 |
| ·经验风险最小化 | 第40页 |
| ·复杂性与推广能力 | 第40-41页 |
| ·统计学习理论的核心内容 | 第41页 |
| ·VC维 | 第41-42页 |
| ·推广性的界 | 第42页 |
| ·结构风险最小化 | 第42-43页 |
| ·人工神经网络 | 第43-50页 |
| ·人工神经网络概述 | 第43-46页 |
| ·BP神经网络及其特点 | 第46-50页 |
| ·支持矢量机 | 第50-60页 |
| ·最优分类超平面 | 第50-52页 |
| ·构造最优超平面 | 第52-53页 |
| ·支持向量 | 第53页 |
| ·问题的求解 | 第53-54页 |
| ·不可分情况下的推广 | 第54-56页 |
| ·支持向量机 | 第56页 |
| ·构造SVM | 第56-58页 |
| ·核函数 | 第58-59页 |
| ·用SVM训练最优分类超平面的算法步骤 | 第59-60页 |
| ·最小最大概率机（Minimax Probability Machine MPM） | 第60-63页 |
| ·最小最大概率机简介 | 第60-61页 |
| ·最小最大概率理论的决策超平面 | 第61-63页 |
| ·实验结果及分析 | 第63-65页 |
| 结束语 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者在学期间取得的学术成果 | 第70页 |