| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究的目的和意义 | 第9页 |
| ·人脸识别研究的背景 | 第9-10页 |
| ·人脸识别研究内容及难点 | 第10-12页 |
| ·人脸识别研究内容 | 第10-11页 |
| ·人脸识别的难点问题 | 第11-12页 |
| ·人脸图像数据库及性能评价指标 | 第12-15页 |
| ·人脸图像数据库 | 第12-13页 |
| ·性能评估 | 第13-15页 |
| ·本文的主要工作及内容安排 | 第15-17页 |
| 第2章 人脸检测与识别方法概述 | 第17-29页 |
| ·人脸检测与跟踪方法概述 | 第17-23页 |
| ·人脸检测 | 第17-22页 |
| ·人脸跟踪 | 第22-23页 |
| ·人脸识别 | 第23-27页 |
| ·人脸特征提取 | 第23-26页 |
| ·分类识别 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 视频流下的人脸检测与跟踪 | 第29-48页 |
| ·AdaBoost 检测算法理论 | 第29-37页 |
| ·AdaBoost 人脸检测原理 | 第29-30页 |
| ·Haar-Like 特征的确定 | 第30-34页 |
| ·AdaBoost 算法训练过程 | 第34-35页 |
| ·样本的选择与制作 | 第35-37页 |
| ·级联分类器及检测 | 第37-38页 |
| ·人脸跟踪 | 第38-46页 |
| ·基于MeanShift 的人脸跟踪 | 第39-42页 |
| ·CamShift 算法 | 第42-44页 |
| ·CamShift 算法与AdaBoost 的结合 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 特征提取与分类识别 | 第48-63页 |
| ·特征提取 | 第48-57页 |
| ·主成分分析(PCA) | 第48-52页 |
| ·二维主成分分析(2DPCA) | 第52-55页 |
| ·行列结合的二维主成分分析((2D)~2PCA) | 第55-57页 |
| ·加权的两个方向的二维主成分分析(W(2D)~2PCA) | 第57页 |
| ·基于分块W(2D)2PCA 的局部特征提取与融合 | 第57-61页 |
| ·图像分块与局部特征提取 | 第57-59页 |
| ·图像局部特征融合 | 第59-61页 |
| ·人脸识别实验分析 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第5章 视频下的人脸识别系统设计与实现 | 第63-71页 |
| ·软件运行环境 | 第63页 |
| ·人脸识别系统的设计与实现 | 第63-70页 |
| ·视频采集模块 | 第63-65页 |
| ·用户注册模块 | 第65-67页 |
| ·人脸识别模块 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
