| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的主要研究背景和意义 | 第8-10页 |
| 1.1.1 人脸识别技术的优势 | 第8-9页 |
| 1.1.2 目前人脸识别技术存在的问题 | 第9-10页 |
| 1.2 人脸识别技术的国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 典型的人脸识别方法研究 | 第14-24页 |
| 2.1 基于全局特征的提取方法 | 第14-16页 |
| 2.1.1 基于主成分分析的人脸特征提取 | 第14-15页 |
| 2.1.2 基于线性判别分析的人脸识别 | 第15-16页 |
| 2.1.3 图像的稀疏表示方法 | 第16页 |
| 2.2 基于局部特征的提取方法 | 第16-21页 |
| 2.2.1 局部二值模式的人脸识别研究 | 第17-18页 |
| 2.2.2 基于Gabor小波变换的识别方法 | 第18-19页 |
| 2.2.3 基于非负矩阵分解方法的研究 | 第19页 |
| 2.2.4 尺度不变特征变换的特征提取算法 | 第19-21页 |
| 2.3 本章小结 | 第21-24页 |
| 第三章 KAZE算法及其改进算法在人脸识别中的应用研究 | 第24-34页 |
| 3.1 KAZE算法简介 | 第24页 |
| 3.2 基于KAZE特征的人脸图像检测 | 第24-31页 |
| 3.2.1 非线性扩散滤波 | 第24-25页 |
| 3.2.2 AOS算法 | 第25页 |
| 3.2.3 非线性尺度空间的创建 | 第25-26页 |
| 3.2.4 人脸图像特征点检测和描述 | 第26-28页 |
| 3.2.5 应用KAZE算法的实验结果与分析 | 第28-31页 |
| 3.3 基于改进的KAZE算法的人脸识别研究 | 第31-33页 |
| 3.3.1 FastExplicitDiffusion(FED)算法 | 第31-32页 |
| 3.3.2 AKAZE特征检测 | 第32页 |
| 3.3.3 AKAZE特征点匹配与筛选 | 第32页 |
| 3.3.4 应用AKAZE算法的实验结果及分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于SURF算法和BOW算法的人脸识别研究 | 第34-46页 |
| 4.1 SURF算法简介 | 第34-37页 |
| 4.2 基于词包模型和SURF局部特征相结合的人脸识别方法 | 第37-40页 |
| 4.2.1 Bag-Of-Word(BOW)算法的局部特征计算 | 第38-40页 |
| 4.2.2 人脸分类识别算法KNN | 第40页 |
| 4.3 实验结果与分析 | 第40-45页 |
| 4.3.1 人脸图像库描述 | 第40-42页 |
| 4.3.2 实验及参数设置 | 第42页 |
| 4.3.3 实验结果及分析 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 结论 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 硕士生在学期间所发表的相关论文 | 第52-54页 |
| 致谢 | 第54页 |
