| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题研究背景与意义 | 第7页 |
| ·人脸识别系统的概况 | 第7-10页 |
| ·人脸识别系统的原理 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·演化算法基本原理 | 第10-12页 |
| ·论文的内容和章节安排 | 第12-14页 |
| 第二章 视频图像的预处理 | 第14-20页 |
| ·光照补偿 | 第14页 |
| ·彩色图像直方图均衡化 | 第14-16页 |
| ·彩色图像灰度化 | 第16-17页 |
| ·图像归一化 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 人脸检测与特征提取 | 第20-36页 |
| ·基于肤色的人脸检测 | 第20-26页 |
| ·色彩空间 | 第20页 |
| ·RGB 色彩空间 | 第20-21页 |
| ·HSI 空间模型 | 第21页 |
| ·YCbCr 色彩空间 | 第21-23页 |
| ·腐蚀与膨胀 | 第23-24页 |
| ·人脸区域选择 | 第24页 |
| ·肤色的人脸检测 | 第24-26页 |
| ·基于 AdaBoost 算法的人脸检测 | 第26-30页 |
| ·Haar-like 特征 | 第26-27页 |
| ·AdaBoost 检测原理 | 第27-29页 |
| ·AdaBoost 检测实验结果 | 第29-30页 |
| ·动态视频流实时多人脸检测算法 | 第30-32页 |
| ·静态图像的人脸检测 | 第30-32页 |
| ·动态视频流中的人脸检测 | 第32页 |
| ·主成分分析 | 第32-35页 |
| ·奇异值分解定理 | 第32-33页 |
| ·PCA 算法人脸特征提取 | 第33-34页 |
| ·实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 小生境演化算法的混合核函数 SVM 人脸识别算法 | 第36-49页 |
| ·小生境演化算法 | 第36页 |
| ·支持向量机 | 第36-43页 |
| ·线性可分的支持向量机 | 第37-38页 |
| ·线性不可分支持向量机 | 第38-39页 |
| ·非线性可分的支持向量机 | 第39-42页 |
| ·多分类支持向量机 | 第42-43页 |
| ·基于小生境演化算法的 SVM 人脸识别系统设计 | 第43-46页 |
| ·编码方式 | 第44页 |
| ·种群的初始化 | 第44页 |
| ·适应度函数的选取 | 第44页 |
| ·选择 | 第44-45页 |
| ·交叉 | 第45页 |
| ·变异 | 第45-46页 |
| ·小生境最优保留淘汰策略 | 第46页 |
| ·终止条件 | 第46页 |
| ·算法的流程 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 实验结果与分析 | 第49-54页 |
| ·测试环境 | 第49-50页 |
| ·结果分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·工作展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |