| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国外研究现状 | 第10-12页 |
| 1.2.1 模板匹配 | 第10页 |
| 1.2.2 示例学习 | 第10-11页 |
| 1.2.3 神经网络 | 第11页 |
| 1.2.4 隐马尔可夫模型 | 第11-12页 |
| 1.3 国内研究现状 | 第12页 |
| 1.4 本文人脸识别技术过程 | 第12-13页 |
| 1.5 人脸识别技术的特点及难点 | 第13-14页 |
| 1.6 本论文主要内容与结构 | 第14-16页 |
| 2 人脸图像采集及预处理 | 第16-23页 |
| 2.1 人脸图像采集 | 第16-18页 |
| 2.1.1 ORL人脸数据库 | 第16页 |
| 2.1.2 FERET人脸数据库 | 第16-17页 |
| 2.1.3 AT&T人脸数据库 | 第17-18页 |
| 2.2 图像灰度化 | 第18-19页 |
| 2.2.1 灰度化方法 | 第18-19页 |
| 2.2.2 平均值法的MATLAB仿真实现 | 第19页 |
| 2.3 图像滤波 | 第19-20页 |
| 2.3.1 中值滤波 | 第20页 |
| 2.3.2 中值滤波的MATLAB仿真实现 | 第20页 |
| 2.4 图像增强 | 第20-23页 |
| 2.4.1 直方图均衡化 | 第21-22页 |
| 2.4.2 直方图均衡化的MATLAB仿真实现 | 第22-23页 |
| 3 人脸区域检测 | 第23-32页 |
| 3.1 人脸区域检测主要算法 | 第23-26页 |
| 3.1.1 模板匹配模型 | 第23-24页 |
| 3.1.2 肤色模型 | 第24页 |
| 3.1.3 ANN模型 | 第24-25页 |
| 3.1.4 SVM模型 | 第25-26页 |
| 3.1.5 Adaboost模型 | 第26页 |
| 3.2 本文人脸区域检测算法 | 第26-32页 |
| 3.2.1 基于肤色的色彩空间转换原理 | 第27-28页 |
| 3.2.2 基于肤色聚类的人脸检测算法 | 第28页 |
| 3.2.3 肤色聚类的人脸检测算法的伪代码 | 第28-29页 |
| 3.2.4 一种基于形态学算子的人脸检测算法 | 第29-30页 |
| 3.2.5 基于形态学算子的伪代码 | 第30-32页 |
| 4 人脸特征提取 | 第32-37页 |
| 4.1 人脸特征提取主要方法 | 第32-33页 |
| 4.1.1 基于面部器官的特征提取 | 第32页 |
| 4.1.2 基于模板的特征提取 | 第32-33页 |
| 4.1.3 基于代数方法的特征提取 | 第33页 |
| 4.1.4 基于弹性匹配方法的特征提取 | 第33页 |
| 4.2 本文人脸特征提取算法 | 第33-37页 |
| 4.2.1 一种基于Gabor变换的人眼特征提取算法 | 第35页 |
| 4.2.2 人眼特征提取算法的伪代码 | 第35-37页 |
| 5 人脸识别 | 第37-50页 |
| 5.1 人脸识别主要方法 | 第37-39页 |
| 5.1.1 基于几何特征的人脸识别方法 | 第37页 |
| 5.1.2 基于模板的人脸识别方法 | 第37-38页 |
| 5.1.3 基于模型的人脸识别方法 | 第38-39页 |
| 5.2 本文人脸识别方法 | 第39-41页 |
| 5.2.1 one-class算法 | 第39-40页 |
| 5.2.2 一种基于递归one-class的人脸识别算法 | 第40-41页 |
| 5.3 实验中的算法功能实现 | 第41-43页 |
| 5.3.1 人脸空间的建立 | 第41页 |
| 5.3.2 特征向量的提取 | 第41-43页 |
| 5.3.3 人脸识别 | 第43页 |
| 5.4 文中算法效果评判 | 第43-50页 |
| 5.4.1 正确性与有效性 | 第43-45页 |
| 5.4.2 识别率的对比 | 第45-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |