| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究的意义及应用 | 第11-12页 |
| 1.2 人脸检测概述 | 第12-16页 |
| 1.2.1 国内外的研究现状 | 第13页 |
| 1.2.2 人脸检测的主要技术方法 | 第13-16页 |
| 1.2.3 人脸检测的难点 | 第16页 |
| 1.3 人脸识别技术概述 | 第16-20页 |
| 1.3.1 国内外的研究现状 | 第17-18页 |
| 1.3.2 人脸识别的主要技术方法 | 第18-19页 |
| 1.3.3 人脸识别的难点—姿态变化 | 第19-20页 |
| 1.4 本论文的主要研究内容和安排 | 第20-22页 |
| 第2章 人脸识别系统概述与图像预处理 | 第22-28页 |
| 2.1 引言 | 第22页 |
| 2.2 人脸识别系统概述 | 第22-23页 |
| 2.3 图像预处理技术 | 第23-27页 |
| 2.3.1 几何归一化 | 第24页 |
| 2.3.2 灰度变换 | 第24-25页 |
| 2.3.3 直方图均衡化 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于AdaBoost算法的多姿态人脸检测研究 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 AdaBoost算法原理 | 第28-31页 |
| 3.2.1 AdaBoost算法 | 第28-30页 |
| 3.2.2 AdaBoost级联检测器 | 第30-31页 |
| 3.3 Haar-like特征及积分图 | 第31-35页 |
| 3.3.1 Haar-like特征 | 第32-33页 |
| 3.3.2 积分图 | 第33-35页 |
| 3.4 基于LBP的纹理分析 | 第35-37页 |
| 3.4.1 LBP的提出 | 第35页 |
| 3.4.2 LBP的基本原理 | 第35-37页 |
| 3.5 实验结果和分析 | 第37-40页 |
| 3.5.1 样本的选取 | 第37-38页 |
| 3.5.2 LBP特征和Haar特征的实验分析 | 第38-40页 |
| 3.6 多姿态人脸检测实现 | 第40-46页 |
| 3.6.1 金字塔型分类器结构的提出 | 第41-42页 |
| 3.6.2 多特征多姿态的人脸检测 | 第42-44页 |
| 3.6.3 实验结果和分析 | 第44-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 基于改进局部二值模式的纹理表达 | 第48-56页 |
| 4.1 引言 | 第48-49页 |
| 4.2 多尺度局部二值模式 | 第49-50页 |
| 4.3 中心对称局部二值模式 | 第50-51页 |
| 4.4 多尺度中心对称的局部二值模式 | 第51页 |
| 4.5 实验结果与分析 | 第51-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 改进LBP特征和人脸能量图的多姿态人脸识别 | 第56-66页 |
| 5.1 引言 | 第56页 |
| 5.2 人脸均值能量图 | 第56-58页 |
| 5.2.1 人脸均值能量图 | 第56-57页 |
| 5.2.2 人脸方差能量图 | 第57-58页 |
| 5.2.3 人脸能量图的优点 | 第58页 |
| 5.3 基于改进LBP特征和人脸能量图的多姿态人脸识别 | 第58-62页 |
| 5.3.1 人脸数据库与实验设计 | 第59-60页 |
| 5.3.2 实验结果与分析 | 第60-62页 |
| 5.4 多姿态人脸识别系统设计 | 第62-65页 |
| 5.4.1 多姿态人脸识别系统介绍 | 第62-64页 |
| 5.4.2 系统的实验平台 | 第64页 |
| 5.4.3 多姿态人脸识别系统开发 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
