| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 人脸识别的研究意义 | 第9-10页 |
| 1.3 人脸识别的发展状况 | 第10-12页 |
| 1.3.1 发展历史 | 第10-11页 |
| 1.3.2 研究现状 | 第11-12页 |
| 1.4 当前人脸识别技术面临的难题 | 第12页 |
| 1.5 论文的主要工作和内容安排 | 第12-15页 |
| 1.5.1 论文的主要工作 | 第12-13页 |
| 1.5.2 论文内容安排 | 第13-15页 |
| 第二章 人脸识别技术概述 | 第15-29页 |
| 2.1 人脸识别的基本步骤 | 第15-17页 |
| 2.2 人脸识别的检测部分 | 第17-18页 |
| 2.2.1 基于人脸特征的人脸检测 | 第17页 |
| 2.2.2 基于模板匹配法的人脸检测 | 第17-18页 |
| 2.2.3 基于Adaboost算法的人脸检测 | 第18页 |
| 2.3 人脸识别的预处理部分 | 第18-20页 |
| 2.3.1 几何规范化 | 第18页 |
| 2.3.2 灰度级插值 | 第18-19页 |
| 2.3.3 灰度规范化 | 第19-20页 |
| 2.4 人脸识别的特征提取部分 | 第20-25页 |
| 2.4.1 基于几何特征的提取方法 | 第20-21页 |
| 2.4.2 模板匹配方法 | 第21页 |
| 2.4.3 基于代数特征的提取方法 | 第21-23页 |
| 2.4.4 基于小波理论的人脸识别方法 | 第23页 |
| 2.4.5 基于神经网络的方法 | 第23页 |
| 2.4.6 基于隐马尔可夫模型的方法 | 第23-24页 |
| 2.4.7 基于支持向量机的方法 | 第24页 |
| 2.4.8 基于三维模型的方法 | 第24-25页 |
| 2.5 人脸识别部分 | 第25-29页 |
| 2.5.1 最邻近分类器 | 第25-26页 |
| 2.5.2 支持向量机 | 第26-28页 |
| 2.5.3 稀疏表示 | 第28-29页 |
| 第三章 基于非线性相关滤波器组的人脸识别算法研究 | 第29-42页 |
| 3.1 最小平均相关能量滤波器的算法原理 | 第29-31页 |
| 3.2 用于人脸识别的非线性相关滤波器组算法概述 | 第31页 |
| 3.3 用于人脸识别的非线性相关滤波器组算法的研究 | 第31-34页 |
| 3.3.1 NCFB的算法过程 | 第31-33页 |
| 3.3.2 非线性相关滤波器组应用于人脸识别 | 第33-34页 |
| 3.4 仿真结果与分析 | 第34-41页 |
| 3.4.1 子模块尺寸大小的选择 | 第34-35页 |
| 3.4.2 过滤参数T的选定 | 第35-36页 |
| 3.4.3 对光照变化的鲁棒性 | 第36-38页 |
| 3.4.4 对姿势和面部表情变化的鲁棒性 | 第38-40页 |
| 3.4.5 所提出算法的计算复杂度 | 第40-41页 |
| 3.4.6 本算法的优越性 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于镜像图的LRC和CRC偏差结合的人脸识别 | 第42-52页 |
| 4.1 基于稀疏表示的人脸识别算法 | 第42-44页 |
| 4.1.1 LRC算法 | 第42页 |
| 4.1.2 CRC算法 | 第42-43页 |
| 4.1.3 镜像图法 | 第43-44页 |
| 4.2 镜像图与LRC和CRC偏差结合分类的算法 | 第44-48页 |
| 4.2.1 镜像图与LRC和CRC偏差结合分类算法的流程图 | 第44页 |
| 4.2.2 镜像图与LRC和CRC偏差结合分类算法的详细步骤 | 第44-47页 |
| 4.2.3 合理性分析 | 第47-48页 |
| 4.3 仿真结果及分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 研究总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59页 |
