| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-21页 |
| ·人脸识别的背景和意义 | 第9-10页 |
| ·人脸识别的研究概述 | 第10-20页 |
| ·人脸识别技术的国内外研究情况 | 第11-14页 |
| ·人脸识别技术存在的难点 | 第14-16页 |
| ·人脸识别技术的发展趋势 | 第16-18页 |
| ·人脸识别系统的性能指标 | 第18-19页 |
| ·常用人脸库 | 第19-20页 |
| ·本文的主要工作及结构 | 第20-21页 |
| 2 基于PCA的人脸特征提取 | 第21-26页 |
| ·基于统计特征提取的理论基础 | 第21-23页 |
| ·PCA人脸特征提取方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于BP_Adaboost的人脸强分类器设计 | 第26-43页 |
| ·人工神经网络 | 第26-33页 |
| ·人工神经网络概述 | 第26-28页 |
| ·生物神经元 | 第28-29页 |
| ·神经网络拓扑结构 | 第29-30页 |
| ·人工神经网络的学习规则 | 第30-33页 |
| ·BP网络分类器 | 第33-38页 |
| ·BP神经网络模型 | 第33-36页 |
| ·BP神经网络的LM学习算法 | 第36-38页 |
| ·BP_Adaboost强分类器实现人脸识别 | 第38-41页 |
| ·Adaboost学习算法的基本原理 | 第38页 |
| ·BP_Adaboost算法实现人脸识别 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 4 基于PCA和BP_Adaboost的人脸识别仿真分析 | 第43-57页 |
| ·PCA提取人脸特征 | 第43-47页 |
| ·基于BP_Adaboost模型的人脸分类器设计 | 第47-56页 |
| ·BP神经网络用于人脸识别及实验分析 | 第47-54页 |
| ·BP_Adaboost强分类器用于人脸识别 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结和展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第64页 |