| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 综述 | 第11-25页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·研究历史与现状 | 第13-16页 |
| ·人脸识别与认证主要技术方法综述 | 第16-23页 |
| ·人脸检测技术 | 第16-18页 |
| ·人脸认证的特征提取方法 | 第18-21页 |
| ·公用人脸数据库介绍 | 第21-23页 |
| ·本论文的内容安排与工作 | 第23-25页 |
| ·本论文的工作内容 | 第23页 |
| ·本论文的组织结构 | 第23-25页 |
| 2 基于HMM的人脸模型 | 第25-31页 |
| ·HMM的基本结构 | 第25-26页 |
| ·HMM的基本问题 | 第26-28页 |
| ·评估问题——Forward-backward算法 | 第26-27页 |
| ·解码问题——Viterbi算法 | 第27-28页 |
| ·学习问题——Baum-Welch估计算法 | 第28页 |
| ·E-HMM结构 | 第28-29页 |
| ·E-HMM人脸模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 HMM观测向量的优化 | 第31-63页 |
| ·问题的提出 | 第31页 |
| ·人脸的检测与预处理 | 第31-47页 |
| ·人脸的描述 | 第32-37页 |
| ·人脸检测ADABOOST算法 | 第37-44页 |
| ·人脸图像预处理 | 第44-47页 |
| ·特征提取的优化 | 第47-62页 |
| ·Gabor变换特征提取 | 第48-51页 |
| ·小波变换降维 | 第51-56页 |
| ·主成分分析 | 第56-60页 |
| ·离散余弦变换(DCT) | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 4 基于优化观测向量的E-HMM的人脸认证 | 第63-69页 |
| ·基于E-HMM人脸认证方法 | 第63-64页 |
| ·E-HMM的训练 | 第64-65页 |
| ·人脸认证 | 第65页 |
| ·动态阈值调节 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 5 实验与分析 | 第69-77页 |
| ·实验环境介绍 | 第69页 |
| ·实验方案 | 第69-70页 |
| ·实验结果及分析 | 第70-75页 |
| ·本章小结 | 第75-77页 |
| 6 系统设计与实现 | 第77-91页 |
| ·系统结构 | 第77页 |
| ·系统硬件结构 | 第77-78页 |
| ·系统软件 | 第78-90页 |
| ·人脸认证系统用户界面介绍 | 第79-82页 |
| ·现场环境、归一化人脸捕获的设计 | 第82-86页 |
| ·人脸认证后台系统的介绍 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 7 总结与展望 | 第91-93页 |
| ·论文总结 | 第91-92页 |
| ·工作展望 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 作者简历 | 第97-101页 |
| 学位论文数据集 | 第101页 |