| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸检测研究现状 | 第11-13页 |
| 1.2.1.1 人脸检测的传统方法 | 第12-13页 |
| 1.2.1.2 人脸检测的深度学习方法 | 第13页 |
| 1.2.2 人脸识别研究现状 | 第13-15页 |
| 1.2.2.1 基于传统学习方法的人脸识别 | 第14页 |
| 1.2.2.2 基于深度学习的人脸识别 | 第14-15页 |
| 1.2.3 非限制条件下的人脸识别 | 第15页 |
| 1.3 本文主要研究内容和文章结构 | 第15-16页 |
| 2 人脸检测和人脸识别相关的机器学习算法介绍 | 第16-24页 |
| 2.1 主成分分析 | 第16-17页 |
| 2.2 AdaBoost | 第17-19页 |
| 2.3 人工神经网络 | 第19-22页 |
| 2.4 卷积神经网络 | 第22-24页 |
| 3 非限制条件下的人脸识别算法 | 第24-49页 |
| 3.1 人脸跟踪和自动预分类 | 第24-35页 |
| 3.1.1 V-J算法原理介绍 | 第25-28页 |
| 3.1.2 基于色度信息和深度信息的跟踪 | 第28-31页 |
| 3.1.2.1 Mean Shift和Cam Shift跟踪算法 | 第29-30页 |
| 3.1.2.2 色度跟踪和深度跟踪的融合 | 第30-31页 |
| 3.1.3 基于人脸框位置的跟踪 | 第31-34页 |
| 3.1.4 人脸图像自动预分类 | 第34-35页 |
| 3.2 人脸矫正算法 | 第35-41页 |
| 3.2.1 ASM和AAM算法 | 第35-38页 |
| 3.2.2 基于人脸关键点检出和三维人脸模型的非正面人脸图像矫正 | 第38-41页 |
| 3.2.2.1 相机内参和外参 | 第38-41页 |
| 3.2.2.2 相机外参标定(3D-2D) | 第41页 |
| 3.2.2.3 侧面人脸矫正到正面 | 第41页 |
| 3.3 人脸识别算法 | 第41-47页 |
| 3.3.1 基于Eigenface子空间的人脸识别 | 第42-44页 |
| 3.3.2 基于PCA降维和神经网络的人脸识别算法 | 第44-46页 |
| 3.3.3 基于卷积神经网络的人脸识别算法 | 第46-47页 |
| 3.4 多线程程序实现 | 第47-49页 |
| 3.4.1 各个线程的任务 | 第48页 |
| 3.4.2 线程间的同步 | 第48-49页 |
| 4 实验结果及分析 | 第49-57页 |
| 4.1 人脸库的自动生成 | 第49-52页 |
| 4.1.1 连续视频流中单个人脸的跟踪 | 第49-50页 |
| 4.1.2 连续视频流中多个人脸的跟踪 | 第50-52页 |
| 4.2 人脸矫正 | 第52页 |
| 4.3 人脸识别和陌生人的判断 | 第52-57页 |
| 5 总结和展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简介及硕士期间主要研究成果 | 第61页 |
