| 摘要 | 第1-6页 |
| ABSTRACT(英文摘要) | 第6-10页 |
| 主要符号对照表 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·相关研究内容 | 第12-13页 |
| ·相关研究历史 | 第13-14页 |
| ·本文内容安排 | 第14-15页 |
| 第二章 人脸特征定位和人脸检测算法 | 第15-31页 |
| ·人脸特征定位的意义和挑战 | 第15页 |
| ·人脸特征定位方法综述 | 第15-25页 |
| ·基于知识的检测方法 | 第16-17页 |
| ·基于局部特征 | 第17页 |
| ·基于模板匹配的方法 | 第17-18页 |
| ·基于外观的方法 | 第18-21页 |
| ·特征脸(Eigenfaces) | 第18页 |
| ·基于概率分布(Probability Distribution) | 第18页 |
| ·朴素贝叶斯分类器(Naive Bayes) | 第18-19页 |
| ·神经网络(Neural Networks) | 第19页 |
| ·隐马尔可夫模型(HMM) | 第19-21页 |
| ·主动形状模型(ASM) | 第21-25页 |
| ·基于AdaBoost的级联人脸检测 | 第25-29页 |
| ·小结 | 第29-31页 |
| 第三章 人眼定位方法综述 | 第31-43页 |
| ·人眼定位精度的重要性 | 第31-32页 |
| ·基于模板匹配的人眼定位 | 第32-35页 |
| ·基于投影的人眼定位 | 第35-38页 |
| ·基于对称变换的人眼定位 | 第38-39页 |
| ·基于Gabor小波网络(GWN)的人眼定位 | 第39-40页 |
| ·基于AdaBoost的人眼定位 | 第40-41页 |
| ·小结 | 第41-43页 |
| 第四章 基于主成分分析的人眼定位 | 第43-51页 |
| ·主成分分析(PCA) | 第43-44页 |
| ·基于PCA重建的人眼定位 | 第44-45页 |
| ·实验结果分析 | 第45-47页 |
| ·小结 | 第47-51页 |
| 第五章 基于样本仿射空间的人脸识别 | 第51-67页 |
| ·子空间人脸识别 | 第51-59页 |
| ·特征脸(PCA) | 第51-52页 |
| ·Fisher脸(FLDA) | 第52-55页 |
| ·独立成分分析(ICA) | 第55页 |
| ·非负矩阵分解(NMF) | 第55-56页 |
| ·基于核的子空间方法(KPCA,KFDA) | 第56-59页 |
| ·基于样本仿射空间的人脸识别 | 第59-67页 |
| ·基于样本仿射空间的数据降维(SAS) | 第60-62页 |
| ·SAS脸人脸识别 | 第62-63页 |
| ·实验结果 | 第63-66页 |
| ·小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第74-77页 |
| 上海交通大学学位论文答辩决议书 | 第77页 |