| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·人脸识别技术研究的背景、目的和意义 | 第10-14页 |
| ·人脸识别的国内外研究现状及进展 | 第14-15页 |
| ·人脸识别的开放性问题和技术趋势 | 第15-18页 |
| ·人脸识别的难点 | 第15-18页 |
| ·可能的技术趋势浅析 | 第18页 |
| ·人脸识别系统的总体框架 | 第18-20页 |
| ·本文所做工作及内容安排 | 第20-22页 |
| 第2章 人脸识别的预处理工作 | 第22-30页 |
| ·人脸检测与定位 | 第22页 |
| ·人脸图像数据库 | 第22-24页 |
| ·标准人脸数据库 | 第22-24页 |
| ·实验室人脸数据库 | 第24页 |
| ·人脸样本的剪裁及标准化 | 第24-27页 |
| ·尺寸归一化 | 第24-25页 |
| ·直方图均衡化 | 第25-27页 |
| ·均值方差归一化 | 第27页 |
| ·人脸图像的小波分解 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人脸图像的特征抽取 | 第30-49页 |
| ·PCA人脸识别方法 | 第30-39页 |
| ·K_L变换的原理 | 第30-32页 |
| ·PCA在人脸识别中的应用 | 第32-38页 |
| ·PCA的优缺点分析 | 第38-39页 |
| ·线形鉴别分析人脸识别方法 | 第39-43页 |
| ·LDA的算法 | 第39-40页 |
| ·LDA在人脸识别中的应用 | 第40页 |
| ·PCA+LDA的人脸识别方法 | 第40-43页 |
| ·PCA+LDA的优缺点分析 | 第43页 |
| ·核PCA的人脸识别方法 | 第43-48页 |
| ·特征空间的PCA | 第43-46页 |
| ·特征空间的点积计算 | 第46页 |
| ·核PCA在人脸识别中的应用 | 第46-48页 |
| ·核PCA的优缺点分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第4章 人脸特征的分类与识别 | 第49-62页 |
| ·支持向量机的简介 | 第49-57页 |
| ·支持向量机 | 第50页 |
| ·线性支持向量机 | 第50-54页 |
| ·非线性支持向量机 | 第54-55页 |
| ·核函数的选择 | 第55-57页 |
| ·多分类支持向量机 | 第57-59页 |
| ·lvA SVM | 第57-58页 |
| ·lvl SVM | 第58-59页 |
| ·多分类支持向量机用于人脸识别 | 第59-61页 |
| ·多分类支持向量机用于人脸训练 | 第59-60页 |
| ·多分类支持向量机用于人脸识别 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 人脸识别系统实现及实验结果分析 | 第62-72页 |
| ·基于不同特征提取和分类算法的实验结果与分析 | 第62-65页 |
| ·PCA中不同的子空间维数和训练样本与识别率的关系 | 第62-63页 |
| ·PCA,Fisher线性鉴别分析与KPCA的试验结果的比较 | 第63-64页 |
| ·基于小波分解的核PCA特征提取算法的比较 | 第64页 |
| ·不同小波基的选择对识别率的影响 | 第64-65页 |
| ·静态人脸识别系统设计实现 | 第65-68页 |
| ·视频中人脸检测与识别系统实现 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-79页 |
| 致谢 | 第79页 |