| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·人脸识别技术现状 | 第7-10页 |
| ·人脸识别技术 | 第7-8页 |
| ·国际领先的人脸识别系统 | 第8-9页 |
| ·人脸识别系统的一般框架 | 第9-10页 |
| ·人脸识别的主要困难 | 第10页 |
| ·论文的主要工作、特点及论文结构 | 第10-13页 |
| ·本论文工作的主要内容及特点 | 第10-11页 |
| ·人脸识别系统的整体设计 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第二章 人脸与人眼检测 | 第13-29页 |
| ·系统框架 | 第14-15页 |
| ·改进的AdaBoost 算法 | 第15-17页 |
| ·类Haar 特征 | 第17-21页 |
| ·类Haar 特征的定义 | 第17-18页 |
| ·类Haar 特征的计算 | 第18-19页 |
| ·积分图 | 第19-21页 |
| ·弱分类器的设计 | 第21-23页 |
| ·单一阈值分类器 | 第22页 |
| ·特征查找表分类器 | 第22-23页 |
| ·级联分类器 | 第23-24页 |
| ·检测过程 | 第24-25页 |
| ·实验结果与分析 | 第25-29页 |
| 第三章 人脸模式识别 | 第29-55页 |
| ·子空间学习研究 | 第29-40页 |
| ·线性子空间学习 | 第29-34页 |
| ·流形学习 | 第34-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·分类器设计 | 第40-55页 |
| ·BP 神经网络 | 第41-46页 |
| ·支持向量机 | 第46-51页 |
| ·基于Hausdorff 距离的人脸匹配 | 第51-53页 |
| ·实验结果与分析 | 第53-55页 |
| 第四章 人脸识别系统的实现 | 第55-68页 |
| ·系统的实现框架 | 第55-57页 |
| ·一些算法的实现 | 第57-65页 |
| ·奇异值分解（SVD） | 第57-59页 |
| ·主分量分析（PCA） | 第59-60页 |
| ·Fisher 线性判别分析（Fisher LDA） | 第60-62页 |
| ·SVM 的训练过程 | 第62-64页 |
| ·SVM 的分类判别 | 第64-65页 |
| ·One-sample-per-person 问题 | 第65-66页 |
| ·程序界面设计 | 第66-68页 |
| 第五章 总结与展望 | 第68-69页 |
| ·本文工作总结 | 第68页 |
| ·对未来工作的展望 | 第68-69页 |
| 本论文工作过程中发表的论文 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |