| 第一章 绪论 | 第1-16页 |
| 1．1 课题意义 | 第9页 |
| 1．2 研究内容以及难点 | 第9-11页 |
| 1．3 人脸识别的过程 | 第11-12页 |
| 1．4 人脸识别技术发展现状 | 第12-14页 |
| 1．5 本文所做的工作及内容组织 | 第14-16页 |
| 第二章 人脸检测方法研究 | 第16-28页 |
| 2．1 人脸检测概述 | 第16-18页 |
| 2．2 经典人脸检测算法分析 | 第18-22页 |
| 2．3 基于人眼定位的彩色图像人脸检测 | 第22-27页 |
| 2．3．1 人眼定位 | 第22-25页 |
| 2．3．2 人脸定位 | 第25-26页 |
| 2．3．3 实验结果及算法分析 | 第26-27页 |
| 2．4 本章小结 | 第27-28页 |
| 第三章 人脸表示方法研究 | 第28-39页 |
| 3．1 主成分分析法(PCA) | 第28-31页 |
| 3．1．1 PCA简介 | 第28页 |
| 3．1．2 PCA变换过程及试验结果 | 第28-30页 |
| 3．1．3 PCA优缺点分析及发展现状 | 第30-31页 |
| 3．2 GABOR小波表示方法 | 第31-35页 |
| 3．2．1 gabor小波的图像表示 | 第31-32页 |
| 3．2．2 gabor小波的降维方法研究 | 第32-35页 |
| 3．2．3 gabor小波表示方法分析 | 第35页 |
| 3．3 小波降维方法 | 第35-37页 |
| 3．3．1 小波变换原理 | 第35-36页 |
| 3．3．2 小波降维实验结果及分析 | 第36-37页 |
| 3．4 几种表示方法的比较 | 第37-38页 |
| 3．5 本章小结 | 第38-39页 |
| 第四章 人脸判别方法研究 | 第39-58页 |
| 4．1 判别方法的选择 | 第39-42页 |
| 4．1．1 基于人工神经网络的方法 | 第39-40页 |
| 4．1．2 基于特征脸的方法 | 第40页 |
| 4．1．3 基于支持向量机的方法 | 第40-41页 |
| 4．1．4 判别方法比较 | 第41-42页 |
| 4．2 支持向量机训练方法研究 | 第42-51页 |
| 4．2．1 支持向量机的基本原理 | 第42-45页 |
| 4．2．2 SVM训练的主流算法研究 | 第45-47页 |
| 4．2．3 一种新的加速大规模样本的支持向量机训练方法 | 第47-51页 |
| 4．3 基于支持向量机的人脸判别方法研究 | 第51-57页 |
| 4．3．1 基于“内部人脸空间”和“外部人脸空间”的SVM人脸识别 | 第52-55页 |
| 4．3．2 基于一类SVM的人脸识别方法 | 第55-57页 |
| 4．3．3 小结 | 第57页 |
| 4．4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5．1 总结 | 第58-59页 |
| 5．2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻硕期间发表论文情况 | 第66页 |