| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| ·引言 | 第8-9页 |
| ·人脸自动识别系统 | 第9页 |
| ·人脸特征提取和人脸识别方法的综述 | 第9-15页 |
| ·基于几何特征的方法 | 第10-11页 |
| ·基于特征脸的方法 | 第11页 |
| ·局部特征方法 | 第11页 |
| ·基于肤色特征方法 | 第11-12页 |
| ·基于弹性模型的方法 | 第12-13页 |
| ·基于人工神经网的方法 | 第13-14页 |
| ·其他方法 | 第14页 |
| ·人脸识别技术的难点分析 | 第14-15页 |
| ·本文的工作 | 第15-17页 |
| 第2章 人脸图像的代数特征提取 | 第17-29页 |
| ·代数特征脸的计算: | 第17-21页 |
| ·训练过程中的投影矩阵 | 第21-25页 |
| ·图像滤波器算子的基本要求 | 第21-22页 |
| ·投影矩阵 | 第22-23页 |
| ·正交投影矩阵 | 第23-24页 |
| ·牲征脸的投影矩阵及正交投影矩阵的构造 | 第24页 |
| ·投影脸在特征空间里的投影坐标 | 第24-25页 |
| ·利用小波变换或隔点采样的方法来减少投影矩阵的维数 | 第25-28页 |
| ·小波变换方法 | 第25-26页 |
| ·二维图像的小波分解 | 第26-28页 |
| ·隔点采样方法 | 第28页 |
| ·基于灰度的欧几里德度量 | 第28-29页 |
| 第3章 基于多帧人脸图像的双动态门限累积平均人脸识别 | 第29-42页 |
| ·一对一的识别问题 | 第29-39页 |
| ·基本原理 | 第29页 |
| ·单门限识别情况 | 第29-32页 |
| ·双门限累积平均判别情况 | 第32-36页 |
| ·贝叶斯准则 | 第36-37页 |
| ·平均取样数目的估算 | 第37-39页 |
| ·一对多的识别问题 | 第39-42页 |
| ·识别准则 | 第39-42页 |
| 第4章 实验结果 | 第42-52页 |
| ·前期准备工作 | 第42-43页 |
| ·实验一 | 第43-47页 |
| ·采用了隔点采样来进行降维. | 第43-45页 |
| ·多帧人脸图像的累积平均双动态双门限识别判定实验 | 第45-47页 |
| ·实验二 | 第47-50页 |
| ·采用了小波分解进行去噪和降维 | 第47-50页 |
| ·实验三 | 第50-52页 |
| ·基于对人脸图像进行每四点平均的降维方法 | 第50-52页 |
| 第5章 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 研究生学习期间公开发表的文章 | 第56-57页 |
| 论文独创性声明 | 第57-58页 |
| 论文使用授权声明 | 第58-59页 |