基于统计的人脸识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 概述 | 第8-14页 |
| 1．1 课题研究的背景与意义 | 第8-9页 |
| 1．1．1 研究的背景 | 第8页 |
| 1．1．2 课题的意义 | 第8-9页 |
| 1．2 人脸识别研究的现状与困难 | 第9页 |
| 1．2．1 研究现状 | 第9页 |
| 1．2．2 存在的主要困难 | 第9页 |
| 1．3 基于统计的人脸识别综述 | 第9-13页 |
| 1．3．1 人脸识别的研究历史 | 第10-11页 |
| 1．3．2 基于统计的人脸识别方法 | 第11-13页 |
| 1．4 标准人脸库简述 | 第13页 |
| 1．5 本论文的内容安排 | 第13-14页 |
| 第2章 基于统计的三种人脸识别方法 | 第14-39页 |
| 2．1 特征脸方法 | 第15-24页 |
| 2．1．1 算法步骤 | 第16-17页 |
| 2．1．2 实验结果与分析 | 第17-24页 |
| 2．2 Fisher脸方法 | 第24-30页 |
| 2．2．1 算法步骤 | 第25-26页 |
| 2．2．2 实验结果与分析 | 第26-30页 |
| 2．3 奇异值分解方法 | 第30-36页 |
| 2．3．1 算法步骤 | 第32页 |
| 2．3．2 实验结果与分析 | 第32-36页 |
| 2．4 三种方法的比较 | 第36-39页 |
| 2．4．1 光照变化实验比较 | 第37页 |
| 2．4．2 姿态变化实验比较 | 第37页 |
| 2．4．3 表情变化实验比较 | 第37-39页 |
| 第3章 基于小波域的奇异值分解方法 | 第39-48页 |
| 3．1 原理及理论推导 | 第39-42页 |
| 3．1．1 人脸的小波域表征 | 第39-40页 |
| 3．1．2 人脸的小波分解系数特性 | 第40-41页 |
| 3．1．3 小波分解系数的奇异值分解 | 第41-42页 |
| 3．2 实现步骤 | 第42-43页 |
| 3．3 实验结果与分析 | 第43-48页 |
| 第4章 二次二维PCA方法 | 第48-56页 |
| 4．1 背景介绍 | 第48-51页 |
| 4．2 理论推导 | 第51-52页 |
| 4．3 实验结果与分析 | 第52-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 5．1 工作总结 | 第56页 |
| 5．2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
