| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8页 |
| 1.2 人脸识别系统简介 | 第8-9页 |
| 1.3 研究现状 | 第9-12页 |
| 1.3.1 国外研究现状 | 第9-10页 |
| 1.3.2 国内研究现状 | 第10-12页 |
| 1.4 本文的主要工作及结构安排 | 第12-14页 |
| 1.4.1 本文的主要工作 | 第12-13页 |
| 1.4.2 本文结构安排 | 第13-14页 |
| 第二章 经典的人脸识别研究方法 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 基于局部特征的人脸识别方法 | 第14-17页 |
| 2.2.1 基于几何特征的方法 | 第14-15页 |
| 2.2.2 基于弹性图匹配的识别方法 | 第15-16页 |
| 2.2.3 基于局部二值模式的识别方法 | 第16-17页 |
| 2.3 基于全局特征的人脸识别方法 | 第17-24页 |
| 2.3.1 主元分析法(PCA) | 第17-18页 |
| 2.3.2 线性判别分析法(LDA) | 第18-19页 |
| 2.3.3 独立元分析法(ICA) | 第19-20页 |
| 2.3.4 核子空间法 | 第20-21页 |
| 2.3.5 流行算法 | 第21-24页 |
| 2.4 基于特征融合的人脸识别方法 | 第24页 |
| 2.5 常用的人脸数据库 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第三章 基于Haar-like_新特征及信息融合的人脸检测方法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 人脸特征提取 | 第26-30页 |
| 3.2.1 Haar-like和Haar-like-F特征提取 | 第26-28页 |
| 3.2.2 三角特征提取 | 第28-30页 |
| 3.2.3 Haar-Like与三角特征的融合 | 第30页 |
| 3.3 基于特征融合和AdaBoost的人脸检测算法 | 第30-32页 |
| 3.3.1 AdaBoost分类器 | 第30-31页 |
| 3.3.2 基于级联结构的分类器 | 第31-32页 |
| 3.4 实验结果分析 | 第32-34页 |
| 3.4.1 实验结果 | 第32-34页 |
| 3.4.2 实验总结 | 第34页 |
| 3.5 小结 | 第34-35页 |
| 第四章 基于Gabor融合的人脸识别方法 | 第35-53页 |
| 4.1 二维Gabor小波 | 第35-37页 |
| 4.2 Gabor特征的融合 | 第37-38页 |
| 4.3 基于改进的SVM人脸识别算法 | 第38-43页 |
| 4.3.1 SVM的原理及改进 | 第38-40页 |
| 4.3.2 ORL人脸库的实验 | 第40-41页 |
| 4.3.3 FERET人脸库的实验 | 第41-43页 |
| 4.3.4 实验结果与分析 | 第43页 |
| 4.4 基于分块处理和模糊隶属度的人脸识别算法 | 第43-48页 |
| 4.4.1 分块Gabor特征的组成 | 第43-45页 |
| 4.4.2 待测样本的识别 | 第45页 |
| 4.4.3 实验结果 | 第45-47页 |
| 4.4.4 结果分析 | 第47-48页 |
| 4.5 实际应用 | 第48-52页 |
| 4.5.1 人脸的检测 | 第49-51页 |
| 4.5.2 人脸的识别 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62页 |
