| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 人脸识别技术目前存在的问题 | 第9页 |
| 1.4 本文主要研究内容与章节安排 | 第9-11页 |
| 1.4.1 本文研究内容 | 第9-10页 |
| 1.4.2 论文章节安排 | 第10-11页 |
| 2 人脸识别技术基础算法的理论概述 | 第11-16页 |
| 2.1 人脸检测算法介绍 | 第11-12页 |
| 2.1.1 Adaboost算法 | 第11页 |
| 2.1.2 人工神经网络 | 第11-12页 |
| 2.1.3 YCbCr肤色检测模型 | 第12页 |
| 2.2 人脸特征提取基本算法 | 第12-13页 |
| 2.2.1 局部特征的方法 | 第12-13页 |
| 2.2.2 主成分分析的方法 | 第13页 |
| 2.3 人脸识别基本算法 | 第13-14页 |
| 2.3.1 基于人脸几何特征的识别方法 | 第13-14页 |
| 2.3.2 基于模板匹配（TM）的识别方法 | 第14页 |
| 2.3.3 基于SVM的识别方法 | 第14页 |
| 2.4 小结 | 第14-16页 |
| 3 融合混合高斯模型与YCbCr肤色模型的人脸检测 | 第16-26页 |
| 3.1 基于混合高斯模型的运动目标检测 | 第16-20页 |
| 3.1.1 混合高斯模型背景建模 | 第17-19页 |
| 3.1.2 形态学处理与目标分割 | 第19-20页 |
| 3.2 基于YCbCr肤色模型的人脸检测 | 第20-25页 |
| 3.2.1 颜色空间的转换 | 第20-21页 |
| 3.2.2 YCbCr肤色检测模型 | 第21-23页 |
| 3.2.3 数学形态学处理 | 第23-24页 |
| 3.2.4 人脸候选区域的筛选 | 第24-25页 |
| 3.3 小结 | 第25-26页 |
| 4 融合PCA与SVM的人脸识别 | 第26-36页 |
| 4.1 人脸图像归一化 | 第26-27页 |
| 4.2 标准库的建立 | 第27页 |
| 4.3 融合PCA与SVM的人脸识别 | 第27-33页 |
| 4.3.1 PCA人脸特征提取 | 第27-29页 |
| 4.3.2 基于SVM的人脸识别 | 第29-33页 |
| 4.3.2.1 数据线性可分 | 第29-31页 |
| 4.3.2.2 数据非线性可分 | 第31-33页 |
| 4.4 实验测试结果分析 | 第33-35页 |
| 4.5 小结 | 第35-36页 |
| 5 人脸识别模拟系统研究总结 | 第36-40页 |
| 5.1 实验系统界面说明 | 第36-37页 |
| 5.2 系统运行界面展示 | 第37-38页 |
| 5.3 结论与展望 | 第38-40页 |
| 5.3.1 本文工作总结 | 第38-39页 |
| 5.3.2 展望 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 致谢 | 第42-43页 |
| 个人简历 | 第43页 |