| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1选题的研究背景和意义 | 第12-13页 |
| 1.2 人脸识别的研究现状和发展趋势 | 第13-18页 |
| 1.2.1 国内外研究现状 | 第14-16页 |
| 1.2.2 发展趋势 | 第16-18页 |
| 1.3 人脸识别存在的难点与挑战 | 第18-20页 |
| 1.4 论文研究内容 | 第20页 |
| 1.5 论文组织结构 | 第20-22页 |
| 第2章 人脸识别的基本方法 | 第22-31页 |
| 2.1 前言 | 第22页 |
| 2.2 基于几何特征的人脸识别方法 | 第22-23页 |
| 2.3 基于子空间的人脸识别方法 | 第23-24页 |
| 2.3.1 主成分分析方法 | 第23页 |
| 2.3.2 线性判别分析方法 | 第23-24页 |
| 2.4 基于隐马尔科夫模型的人脸识别方法 | 第24页 |
| 2.5 基于人工神经网络的人脸识别方法 | 第24-25页 |
| 2.6 支持向量机的人脸识别方法 | 第25页 |
| 2.7 常用人脸数据库 | 第25-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 基于虚拟样本和稀疏表示算法 | 第31-43页 |
| 3.1 前言 | 第31页 |
| 3.2 基于虚拟样本的人脸识别算法 | 第31-32页 |
| 3.3 基于稀疏表示的人脸识别算法 | 第32-34页 |
| 3.4 基于虚拟训练样本算法与基于虚拟测试样本的算法对比 | 第34-42页 |
| 3.4.1 算法描述 | 第34-35页 |
| 3.4.2 算法分析 | 第35-39页 |
| 3.4.3 实验结果与分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于虚拟测试样本和权重稀疏表示算法 | 第43-58页 |
| 4.1 前言 | 第43页 |
| 4.2 WSRVTS算法描述 | 第43-47页 |
| 4.2.1 构造虚拟测试样本和新训练样本集 | 第45-46页 |
| 4.2.2 对测试样本进行稀疏表示并计算每个类的误差大小 | 第46-47页 |
| 4.2.3 权值计算及归类识别 | 第47页 |
| 4.3 算法分析 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-57页 |
| 4.4.1 实验结果 | 第48-56页 |
| 4.4.2 结果分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读硕士学位期间所参与的科研项目 | 第65页 |