| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 人脸识别的研究背景及意义 | 第10-11页 |
| 1.2 人脸识别的发展历史与研究现状 | 第11-15页 |
| 1.3 影响人脸识别的关键因素 | 第15-16页 |
| 1.4 常用人脸数据库介绍 | 第16-19页 |
| 1.5 本文主要研究内容 | 第19-20页 |
| 1.6 本文结构安排 | 第20-22页 |
| 第二章 人脸识别模型概述 | 第22-36页 |
| 2.1 图像预处理 | 第22-23页 |
| 2.2 维数约简 | 第23-30页 |
| 2.2.1 特征提取 | 第24-29页 |
| 2.2.2 特征选择 | 第29-30页 |
| 2.3 分类判决 | 第30-35页 |
| 2.3.1 传统的分类器 | 第30-33页 |
| 2.3.2 基于表示的分类器 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于表示的有监督滤波器学习方法 | 第36-56页 |
| 3.1 引言 | 第36-37页 |
| 3.2 单模态人脸识别中基于表示的有监督滤波器 | 第37-40页 |
| 3.3 多模态人脸识别中基于表示的有监督滤波器 | 第40-43页 |
| 3.4 实验与分析 | 第43-55页 |
| 3.4.1 实验设置 | 第44-46页 |
| 3.4.2 单模态人脸识别的实验结果与分析 | 第46-52页 |
| 3.4.3 多模态人脸识别的实验结果与分析 | 第52-54页 |
| 3.4.4 显著性检验 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于判别字典与投影联合学习的稀疏表示分类方法 | 第56-74页 |
| 4.1 引言 | 第56-57页 |
| 4.2 判别字典与投影联合学习模型 | 第57-61页 |
| 4.2.1 模型构建 | 第57-59页 |
| 4.2.2 优化策略 | 第59-61页 |
| 4.2.3 收敛性证明 | 第61页 |
| 4.3 分类策略 | 第61-62页 |
| 4.4 实验与分析 | 第62-73页 |
| 4.4.1 实验设置 | 第62-64页 |
| 4.4.2 基于图像的人脸识别结果与分析 | 第64-69页 |
| 4.4.3 基于视频的人脸识别结果与分析 | 第69-70页 |
| 4.4.4 参数敏感性分析 | 第70-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 基于内积正则化非负自表示模型的无监督特征选择方法 | 第74-91页 |
| 5.1 引言 | 第74-75页 |
| 5.2 内积正则化非负自表示模型 | 第75-82页 |
| 5.2.1 模型构建 | 第75-77页 |
| 5.2.2 优化策略 | 第77-79页 |
| 5.2.3 收敛性证明 | 第79-82页 |
| 5.3 实验与分析 | 第82-90页 |
| 5.3.1 实验设置 | 第82-84页 |
| 5.3.2 分类实验 | 第84-86页 |
| 5.3.3 聚类实验 | 第86-89页 |
| 5.3.4 参数敏感性分析 | 第89-90页 |
| 5.4 本章小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-93页 |
| 6.1 本文工作总结 | 第91-92页 |
| 6.2 未来研究展望 | 第92-93页 |
| 参考文献 | 第93-103页 |
| 致谢 | 第103-104页 |
| 攻读博士学位期间公开发表的论文 | 第104页 |