| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 引言 | 第10-12页 |
| 1.2 生物识别技术的发展现状 | 第12-16页 |
| 1.2.1 生物识别技术分类 | 第12-14页 |
| 1.2.2 计算机视觉 | 第14-15页 |
| 1.2.3 生物识别技术的发展趋势 | 第15-16页 |
| 1.3 人脸检测识别与跟踪技术的发展历史 | 第16-22页 |
| 1.3.1 人脸检测与识别技术发展现状 | 第16-18页 |
| 1.3.2 人脸检测技术分类 | 第18-19页 |
| 1.3.3 人脸识别技术分类 | 第19-22页 |
| 1.4 本文主要研究内容 | 第22页 |
| 1.5 本文的章节结构组织 | 第22-24页 |
| 第2章 人脸检测识别与跟踪技术简介 | 第24-43页 |
| 2.1 引言 | 第24页 |
| 2.2 人脸检测与识别的主流方法 | 第24-41页 |
| 2.2.1 基于肤色信息的人脸检测方法 | 第24-29页 |
| 2.2.2 基于矩形特征的人脸检测方法 | 第29-31页 |
| 2.2.3 基于模板匹配的人脸检测方法 | 第31-32页 |
| 2.2.4 基于Haar的人脸检测方法 | 第32-34页 |
| 2.2.5 基于主成分分析(PCA)的人脸识别方法 | 第34-36页 |
| 2.2.6 基于Fisher脸的人脸识别方法 | 第36-38页 |
| 2.2.7 基于三维模型的人脸识别方法 | 第38页 |
| 2.2.8 基于Gabor特征的人脸识别方法 | 第38-41页 |
| 2.3 Kalman滤波器 | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第3章 基于机器学习的人脸检测识别 | 第43-52页 |
| 3.1 引言 | 第43页 |
| 3.2 基于Adaboost方法的人脸检测与识别 | 第43-50页 |
| 3.2.1 Adaboost简介 | 第43-44页 |
| 3.2.2 Adaboost算法相关知识描述 | 第44-48页 |
| 3.2.3 基于Haar矩形特征的Adaboost | 第48-49页 |
| 3.2.4 RealAdaboost扩展算法 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 针对头部扭动的人脸识别算法 | 第52-64页 |
| 4.1 引言 | 第52页 |
| 4.2 辐射模板简介 | 第52-56页 |
| 4.3 脸部检测系统 | 第56-58页 |
| 4.4 实验结果 | 第58-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-68页 |
| 5.1 总结 | 第64页 |
| 5.2 未来展望 | 第64-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |