| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 人脸识别研究概述 | 第9-11页 |
| 1.1.1 人脸识别研究背景及意义 | 第9-10页 |
| 1.1.2 人脸识别国内外研究现状 | 第10-11页 |
| 1.2 人脸识别的一般步骤 | 第11-12页 |
| 1.3 人脸识别特征提取方法概述 | 第12-13页 |
| 1.4 本文的主要工作和结构安排 | 第13-17页 |
| 第二章 预备知识 | 第17-25页 |
| 缺内容：缺目录请核实 | 第17-18页 |
| 2.1.1 基本原理 | 第17-18页 |
| 2.1.2 算法步骤 | 第18页 |
| 2.2 联合贝叶斯(Joint Bayesian) | 第18-23页 |
| 2.2.1 基本原理 | 第18-20页 |
| 2.2.2 模型学习 | 第20-22页 |
| 2.2.3 算法步骤 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于高维特征的人脸识别 | 第25-47页 |
| 3.1 几种基本的图像特征 | 第25-38页 |
| 3.1.1 LBP特征 | 第25-29页 |
| 3.1.2 Gabor特征 | 第29-30页 |
| 3.1.3 SIFT特征 | 第30-33页 |
| 3.1.4 HOG特征 | 第33-35页 |
| 3.1.5 LPQ特征 | 第35-38页 |
| 3.2 改进的高维特征提取算法 | 第38-42页 |
| 3.2.1 高维特征 | 第38-39页 |
| 3.2.2 改进的高维特征 | 第39-40页 |
| 3.2.3 实验与结果分析 | 第40-42页 |
| 3.3 基于高维LPQ特征的人脸识别算法 | 第42-45页 |
| 3.3.1 高维LPQ特征的提取 | 第42-43页 |
| 3.3.2 实验与结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于卷积神经网络与PCA的人脸识别 | 第47-57页 |
| 4.1 卷积神经网络 | 第47-53页 |
| 4.1.1 卷积神经网络的发展 | 第47-48页 |
| 4.1.2 卷积神经网络的基本思想 | 第48-51页 |
| 4.1.3 卷积神经网络的结构 | 第51-53页 |
| 4.2 VGG模型 | 第53-55页 |
| 4.3 实验结果与分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文的主要创新点 | 第57-58页 |
| 5.2 未来的工作 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-66页 |
| 致谢 | 第66页 |