| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 基于检测并移除眼镜方法的研究现状 | 第9-10页 |
| 1.2.2 基于局部特征提取方法的研究现状 | 第10-11页 |
| 1.3 国内外文献综述简析 | 第11-12页 |
| 1.4 本课题的难点分析 | 第12-13页 |
| 1.5 本课题的主要研究内容和论文组织结构 | 第13-15页 |
| 1.5.1 本课题的主要研究内容 | 第13页 |
| 1.5.2 论文的组织结构 | 第13-15页 |
| 第2章 人脸识别方法 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 人脸识别方法简介 | 第15-24页 |
| 2.2.1 基于几何特征的人脸识别方法 | 第15-16页 |
| 2.2.2 基于统计的人脸识别方法 | 第16-18页 |
| 2.2.3 基于弹性图匹配的人脸识别方法 | 第18-19页 |
| 2.2.4 基于支持向量机的人脸识别方法 | 第19-20页 |
| 2.2.5 基于神经网络的人脸识别方法 | 第20-24页 |
| 2.3 戴眼镜人脸识别方法介绍 | 第24-25页 |
| 2.4 戴眼镜人脸识别课题相关数据库介绍 | 第25-29页 |
| 2.4.1 CMU_PIE数据库 | 第25-27页 |
| 2.4.2 Georgia Tech(GT)数据库 | 第27-28页 |
| 2.4.3 BCC_Lab_Face数据库 | 第28-29页 |
| 2.4.4 3000 _Persons_Face数据库 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 戴眼镜人脸识别问题中眼镜检测问题的研究 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 优化的眼镜检测算法 | 第30-34页 |
| 3.2.1 算法流程 | 第30页 |
| 3.2.2 算法的详细步骤 | 第30-34页 |
| 3.3 眼镜检测算法分析与实验设计 | 第34-38页 |
| 3.3.1 眼镜检测算法原理分析 | 第34-37页 |
| 3.3.2 眼镜检测算法实验设计与结果分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 戴眼镜人脸识别问题中特征提取算法的改进 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 局部与全局特征相融合的人脸特征提取算法流程 | 第39-40页 |
| 4.3 局部与全局特征相融合的人脸特征提取算法分析 | 第40-45页 |
| 4.3.1 局部特征的提取 | 第40-44页 |
| 4.3.2 全局特征的提取 | 第44-45页 |
| 4.3.3 局部与全局特征的融合 | 第45页 |
| 4.4 基于局部与全局特征相融合的人脸特征提取算法实验过程 | 第45-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 针对戴眼镜问题对人脸识别系统的改进 | 第51-61页 |
| 5.1 引言 | 第51页 |
| 5.2 人脸识别系统算法框架 | 第51-53页 |
| 5.2.1 人脸检测 | 第51-52页 |
| 5.2.2 特征提取 | 第52-53页 |
| 5.2.3 分类识别 | 第53页 |
| 5.3 融合眼镜检测与改进的人脸特征提取算法的系统设计 | 第53-55页 |
| 5.4 改进后系统实验结果分析 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
