| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-16页 |
| 1.2.1 跨距离与跨环境的远距离人脸识别 | 第12-13页 |
| 1.2.2 跨频谱的远距离人脸识别 | 第13-14页 |
| 1.2.3 多姿态与不同表情的远距离人脸识别 | 第14页 |
| 1.2.4 基于视频监控的远距离人脸识别 | 第14-15页 |
| 1.2.5 远距离人脸数据库 | 第15-16页 |
| 1.3 论文的研究内容和结构安排 | 第16-18页 |
| 1.3.1 论文主要研究内容 | 第16页 |
| 1.3.2 论文的结构安排 | 第16-18页 |
| 第二章 人脸识别原理及关键技术 | 第18-45页 |
| 2.1 人脸识别基本框架 | 第18-19页 |
| 2.2 人脸检测 | 第19-24页 |
| 2.2.1 Haar-like特征 | 第19-21页 |
| 2.2.2 AdaBoost学习 | 第21-23页 |
| 2.2.3 人脸检测 | 第23-24页 |
| 2.3 图像预处理 | 第24-27页 |
| 2.3.1 图像增强 | 第24-26页 |
| 2.3.2 远距离图像预处理 | 第26-27页 |
| 2.4 人脸对齐 | 第27-31页 |
| 2.4.1 基于深度卷积网络的特征点定位 | 第28-29页 |
| 2.4.2 基于SDM算法的特征点定位 | 第29-31页 |
| 2.5 特征提取 | 第31-38页 |
| 2.5.1 主成分分析 | 第32-34页 |
| 2.5.2 线性判别分析 | 第34-36页 |
| 2.5.3 局部二值模式 | 第36-38页 |
| 2.6 人脸匹配 | 第38-43页 |
| 2.6.1 k近邻分类 | 第38-41页 |
| 2.6.2 支持向量机 | 第41-43页 |
| 2.7 人脸数据库 | 第43-44页 |
| 2.8 本章小结 | 第44-45页 |
| 第三章 一种基于卷积神经网络的远距离人脸图像特征提取方法 | 第45-67页 |
| 3.1 卷积神经网络简介 | 第45-52页 |
| 3.1.1 卷积神经网络结构 | 第47-51页 |
| 3.1.2 工作原理 | 第51-52页 |
| 3.2 一种基于卷积神经网络的远距离人脸图像特征提取 | 第52-61页 |
| 3.2.1 卷积神经网络结构 | 第53-61页 |
| 3.2.2 深度特征提取 | 第61页 |
| 3.3 结合CNN与SVM的远距离人脸识别方法 | 第61-63页 |
| 3.4 实验分析 | 第63-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 一种基于MSRCR的远距离人脸图像预处理方法 | 第67-78页 |
| 4.1 Retinex图像增强方法 | 第67-72页 |
| 4.1.1 多尺度Retinex | 第67-69页 |
| 4.1.2 带色彩恢复的MSR | 第69-70页 |
| 4.1.3 改进的MSRCR算法 | 第70-72页 |
| 4.2 引导滤波 | 第72-74页 |
| 4.3 基于改进的MSR和引导滤波的远距离人脸图像预处理 | 第74-75页 |
| 4.4 实验分析 | 第75-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 论文总结 | 第78-79页 |
| 5.2 未来工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间的研究成果 | 第87-88页 |
