| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 人脸识别的研究背景及意义 | 第11-12页 |
| 1.2 人脸识别的研究现状及发展趋势 | 第12-14页 |
| 1.3 人脸识别的研究方法 | 第14-16页 |
| 1.4 本文的主要工作及组织结构 | 第16-19页 |
| 1.4.1 本文的主要研究工作 | 第16-18页 |
| 1.4.2 本文的组织结构 | 第18-19页 |
| 第2章 基础理论 | 第19-37页 |
| 2.1 概述 | 第19页 |
| 2.2 约束局部模型(CLM) | 第19-31页 |
| 2.2.1 引言 | 第19-21页 |
| 2.2.2 统计形状模型 | 第21-26页 |
| 2.2.3 局部模型 | 第26-28页 |
| 2.2.4 CLM拟合优化及系统流程 | 第28-31页 |
| 2.3 局部二值模式(LBP) | 第31-36页 |
| 2.3.1 LBP基本原理 | 第31-35页 |
| 2.3.2 LBP的人脸描述 | 第35页 |
| 2.3.3 LBP的优缺点 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于局部特征的Joint Bayesian分类器生成原理 | 第37-49页 |
| 3.1 人脸特征点定位 | 第37-38页 |
| 3.2 人脸局部特征提取 | 第38-41页 |
| 3.2.1 人脸特征分块 | 第38-39页 |
| 3.2.2 PCA法对特征向量降维 | 第39-41页 |
| 3.3 基于局部特征的Joint Bayesian分类器生成策略 | 第41-48页 |
| 3.3.1 贝叶斯定理判决理论 | 第41-44页 |
| 3.3.2 基于贝叶斯决策理论的人脸识别方法 | 第44-46页 |
| 3.3.3 Joint Bayesian分类器原理 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 融合多个基于局部特征的Joint Bayesian分类器 | 第49-64页 |
| 4.1 分类器融合经典算法 | 第50-52页 |
| 4.1.1 基于乘法规则的融合算法 | 第50-51页 |
| 4.1.2 基于加法规则的融合算法 | 第51-52页 |
| 4.2 逻辑回归模型 | 第52-55页 |
| 4.2.1 逻辑回归的基本概念 | 第52页 |
| 4.2.2 逻辑回归模型建模 | 第52-55页 |
| 4.3 多个基于局部特征的Joint Bayesian分类器融合过程 | 第55-56页 |
| 4.4 实验分析 | 第56-63页 |
| 4.4.1 人脸测试库 | 第56-57页 |
| 4.4.2 实验结果及分析 | 第57-63页 |
| 4.5 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录A (攻读硕士学位期间所发表的学术论文目录) | 第71-72页 |
| 致谢 | 第72页 |
