| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 专用术语注释表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 课题研究难点 | 第16-17页 |
| 1.4 课题研究工作及章节安排 | 第17-19页 |
| 第二章 人脸识别相关技术简介 | 第19-34页 |
| 2.1 人脸识别的基本流程 | 第19-20页 |
| 2.2 经典人脸特征提取方法 | 第20-24页 |
| 2.2.1 LBP特征提取算法 | 第20-21页 |
| 2.2.2 HOG特征提取算法 | 第21-23页 |
| 2.2.3 Gabor小波特征提取算法 | 第23-24页 |
| 2.3 经典特征分类算法 | 第24-31页 |
| 2.3.1 k-近邻分类算法 | 第25-26页 |
| 2.3.2 AdaBoost分类算法 | 第26-27页 |
| 2.3.3 随机森林分类算法 | 第27-29页 |
| 2.3.4 SVM分类算法 | 第29-31页 |
| 2.4 人脸数据库简介 | 第31-33页 |
| 2.4.1 ORL数据库 | 第31-32页 |
| 2.4.2 Yale数据库 | 第32页 |
| 2.4.3 LFW数据库 | 第32-33页 |
| 2.4.4 PubFig数据库 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于关键点的HOG人脸特征提取算法研究 | 第34-42页 |
| 3.1 基于关键点的人脸外形描述 | 第34-35页 |
| 3.1.1 概述 | 第34页 |
| 3.1.2 关键点标记算法简介 | 第34-35页 |
| 3.2 以关键点为中心的HOG特征描述算子（k-HOG) | 第35-36页 |
| 3.3 算法流程描述 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于关键点的多尺度多梯度HOG人脸特征提取算法 | 第42-54页 |
| 4.1 基于关键点的多梯度HOG特征提取算法（k-MG-HOG) | 第42-44页 |
| 4.1.1 多梯度模板 | 第42-43页 |
| 4.1.2 多梯度HOG特征提取算法（MG-HOG） | 第43-44页 |
| 4.2 基于关键点的多尺度多梯度HOG特征提取算法(k-MSMG-HOG) | 第44-46页 |
| 4.2.1 多尺度梯度算子 | 第44-45页 |
| 4.2.2 多尺度多梯度HOG特征提取算法（MSMG-HOG） | 第45-46页 |
| 4.3 KDA降维算法 | 第46-48页 |
| 4.4 实验结果与分析 | 第48-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于高斯过程的多分类算法研究 | 第54-64页 |
| 5.1 高斯分类器简介 | 第54-56页 |
| 5.1.1 概述 | 第54-55页 |
| 5.1.2 基于高斯过程的二分类器 | 第55-56页 |
| 5.2 基于高斯过程的多分类器实现 | 第56-59页 |
| 5.2.1 基于一对一的高斯过程多分类器（OAO-GPC） | 第56-57页 |
| 5.2.2 基于有向无环图的高斯过程多分类器（DAG-GPC） | 第57-58页 |
| 5.2.3 多分类算法的时间复杂度分析 | 第58-59页 |
| 5.3 实验结果与分析 | 第59-62页 |
| 5.3.1 基于常用非人脸数据集的实验结果及分析 | 第59-62页 |
| 5.3.2 基于人脸数据库的实验结果及分析 | 第62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录2 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
