| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状与发展 | 第9-12页 |
| 1.3 论文的主要工作与章节安排 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 组织结构 | 第12-13页 |
| 第2章 人脸识别原理与算法 | 第13-21页 |
| 2.1 人脸识别系统的基本组成 | 第13-15页 |
| 2.2 经典的人脸识别方法 | 第15-18页 |
| 2.2.1 基于几何特征的人脸识别 | 第15页 |
| 2.2.2 基于代数特征的人脸识别 | 第15-16页 |
| 2.2.3 基于机器学习的人脸识别 | 第16-18页 |
| 2.3 基于SIFT算法的人脸识别 | 第18-20页 |
| 2.3.1 经典人脸识别算法在非理想人脸识别中的困境 | 第18页 |
| 2.3.2 SIFT算法的特点 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 相关理论基础 | 第21-34页 |
| 3.1 SIFT算法 | 第21-32页 |
| 3.1.1 尺度空间中的极值点检测 | 第21-22页 |
| 3.1.2 计算高斯差分图像 | 第22-24页 |
| 3.1.3 计算高斯差分金字塔中的极值点 | 第24-25页 |
| 3.1.4 抽取稳定的关键点 | 第25-26页 |
| 3.1.5 为关键点指定方向 | 第26-27页 |
| 3.1.6 建立局部描述子 | 第27-30页 |
| 3.1.7 特征点匹配 | 第30-32页 |
| 3.2 支持向量机 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于SIFT算法人脸识别的改进 | 第34-44页 |
| 4.1 基于SIFT算法的经典人脸识别特征点匹配 | 第34-37页 |
| 4.1.1 人脸识别中最近邻匹配方法 | 第34-35页 |
| 4.1.2 人脸识别中相似度匹配方法 | 第35-37页 |
| 4.2 基于SIFT算法的人脸识别改进算法 | 第37-42页 |
| 4.2.1 个体分类器的设计 | 第38-41页 |
| 4.2.2 整体分类器的设计 | 第41-42页 |
| 4.3 改进后的人脸识别算法特点 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验设计与结果分析 | 第44-49页 |
| 5.1 有姿态变化的人脸识别 | 第44-45页 |
| 5.2 有表情变化的人脸识别 | 第45-46页 |
| 5.3 有遮挡的人脸识别 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |