| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-24页 |
| ·研究背景和研究意义 | 第15-17页 |
| ·人脸识别的国内外现状分析 | 第17-21页 |
| ·基于弹性图匹配的人脸识别方法 | 第17-18页 |
| ·基于子空间学习的人脸识别方法 | 第18-19页 |
| ·基于神经网络的人脸识别方法 | 第19页 |
| ·基于隐马尔可夫模型（HMM）的人脸识别方法 | 第19-20页 |
| ·三维人脸识别 | 第20-21页 |
| ·二维及三维人脸识别方法中存在的问题 | 第21-22页 |
| ·二维人脸识别中的主要问题 | 第21页 |
| ·三维人脸识别中的主要问题 | 第21-22页 |
| ·相机阵列机器视觉的研究现状 | 第22-23页 |
| ·本文内容安排 | 第23-24页 |
| 第二章 人脸检测 | 第24-37页 |
| ·常见的人脸检测方法 | 第24-25页 |
| ·ADABOOST 与肤色模型相结合的人脸检测方法 | 第25-35页 |
| ·ADABOOST 人脸检测算法 | 第26-31页 |
| ·基于肤色模型的人脸检测算法 | 第31-34页 |
| ·ADABOOST 算法与肤色模型相结合的人脸识别方法 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 人脸图像预处理 | 第37-45页 |
| ·人脸图像去噪 | 第37页 |
| ·人脸图像的光照预处理 | 第37-39页 |
| ·人脸图像的角度预处理 | 第39-43页 |
| ·人脸图像的尺度预处理 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 PCA 和 LDA 相结合的人脸识别 | 第45-49页 |
| ·基于主成分分析（PCA）的人脸识别 | 第45-47页 |
| ·主成分分析（PCA）算法的基本原理 | 第45页 |
| ·基于主成分分析（PCA）算法的人脸识别 | 第45-47页 |
| ·线性判别分析（LDA）算法 | 第47-48页 |
| ·基于 PCA 和 LDA 相结合的人脸识别 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于三维旋转模型与 SIFT 特征结合的的人脸识别 | 第49-61页 |
| ·SIFT 不变特征的提取 | 第49-55页 |
| ·尺度空间的极值检测 | 第49-51页 |
| ·关键点的精确定位 | 第51-53页 |
| ·确定关键点的主方向 | 第53-54页 |
| ·提取 SIFT 特征应用于人脸识别 | 第54-55页 |
| ·改进的 SIFT 不变特征的人脸识别 | 第55-56页 |
| ·基于 3D 旋转模型和改进的 SIFT 不变特征的人脸识别 | 第56-60页 |
| ·三维旋转模型的建立 | 第56-59页 |
| ·基于三维旋转模型和改进的 SIFT 算法人脸识别 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 多相机人脸识别系统的实现 | 第61-67页 |
| ·多相机人脸识别系统的硬件环境搭建 | 第61-63页 |
| ·多相机人脸识别系统的算法及软件实现 | 第63-66页 |
| ·多相机人脸识别软件系统 | 第63-65页 |
| ·多相机人脸识别算法流程 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 实验结果与讨论 | 第67-79页 |
| ·数据库介绍 | 第67-69页 |
| ·CMU PIE 数据库 | 第67-68页 |
| ·建立多相机人脸识别系统数据库 | 第68-69页 |
| ·在 CMU PIE 数据库上的实验结果分析 | 第69-74页 |
| ·姿态变化下的人脸识别 | 第69-70页 |
| ·光照变化下的人脸识别 | 第70-72页 |
| ·表情和遮挡的情况下的人脸识别 | 第72-74页 |
| ·多相机人脸识别的实验结果分析 | 第74-77页 |
| ·几种人脸识别算法实验结果比较 | 第74-77页 |
| ·多相机人脸识别算法实验结果 | 第77页 |
| ·本章小结 | 第77-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |
