| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文创新点及主要结构 | 第12-14页 |
| 第二章 人脸特征描述 | 第14-36页 |
| 2.1 人脸识别中的特征描述器概述 | 第14-15页 |
| 2.2 传统手动设计特征描述器 | 第15-21页 |
| 2.2.1 整体特征描述 | 第15-16页 |
| 2.2.2 局部特征描述 | 第16-21页 |
| 2.3 可学习特征描述器 | 第21-36页 |
| 2.3.1 基于学习的描述器 | 第22-24页 |
| 2.3.2 与LBP特征描述器结合的判别可学习滤波器 | 第24-29页 |
| 2.3.3 可学习判别人脸描述器 | 第29-32页 |
| 2.3.4 用于特征描述的可学习核判别图像滤波器 | 第32-36页 |
| 第三章 特征降维 | 第36-51页 |
| 3.1 人脸特征降维概述 | 第36页 |
| 3.2 线性降维 | 第36-42页 |
| 3.2.1 主成分分析 | 第37-38页 |
| 3.2.2 线性判别分析 | 第38-40页 |
| 3.2.3 判别公共矢量 | 第40-42页 |
| 3.3 非线性降维 | 第42-51页 |
| 3.3.1 广义判别分析 | 第43-46页 |
| 3.3.2 核判别公共矢量 | 第46-51页 |
| 第四章 实验 | 第51-60页 |
| 4.1 常用标准人脸数据库 | 第51-52页 |
| 4.2 实验结果分析比较 | 第52-58页 |
| 4.2.1 特征描述器性能的比较 | 第52-56页 |
| 4.2.2 降维算法性能比较 | 第56-58页 |
| 4.3 结论 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表论文和参与项目 | 第68页 |