| 第1章 绪论 | 第1-19页 |
| 1．1 人脸识别的研究内容及其难点 | 第9-10页 |
| 1．2 人脸检测与人脸识别的研究现状 | 第10-15页 |
| 1．2．1 人脸检测的研究现状 | 第10-13页 |
| 1．2．2 人脸识别的研究现状 | 第13-15页 |
| 1．3 人脸表示 | 第15-16页 |
| 1．4 几个术语 | 第16-17页 |
| 1．5 本文主要工作 | 第17-19页 |
| 第2章 基于Adaboost的人脸检测算法 | 第19-39页 |
| 2．1 haar-like特征及特征值的计算 | 第19-22页 |
| 2．2 机器学习的基本概念 | 第22-23页 |
| 2．3 基于Adaboost的人脸检测算法原理 | 第23-28页 |
| 2．3．1 由扩展的haar-like特征生成简单分类器 | 第24页 |
| 2．3．2 Adaboost算法生成强分类器 | 第24-26页 |
| 2．3．3 分级分类器 | 第26-28页 |
| 2．4 实现人脸检测 | 第28-35页 |
| 2．4．1 训练分类器 | 第28-34页 |
| 2．4．2 检测人脸 | 第34-35页 |
| 2．5 试验结果及分析 | 第35-38页 |
| 2．5．1 检测软件 | 第35-37页 |
| 2．5．2 检测结果 | 第37-38页 |
| 2．6 本章小结 | 第38-39页 |
| 第3章 基于肤色的人脸检测 | 第39-48页 |
| 3．1 色彩空间 | 第39-41页 |
| 3．1．1 RGB色彩空间 | 第39-40页 |
| 3．1．2 YCbCr色彩空间 | 第40-41页 |
| 3．2 肤色模型 | 第41-45页 |
| 3．2．1 光线补偿(Lighting Compensation)处理 | 第41-42页 |
| 3．2．2 非线性分段色彩变换 | 第42-45页 |
| 3．3 人脸检测算法描述 | 第45-46页 |
| 3．4 实验结果及分析 | 第46-47页 |
| 3．5 本章小结 | 第47-48页 |
| 第4章 人脸识别 | 第48-64页 |
| 4．1 离散余弦变换 | 第48-52页 |
| 4．1．1 离散余弦变换的理论基础 | 第48-50页 |
| 4．1．2 基于DCT的人脸表示 | 第50-52页 |
| 4．2 支持向量机 | 第52-59页 |
| 4．2．1 统计学习理论 | 第52-54页 |
| 4．2．2 支持向量机理论 | 第54-57页 |
| 4．2．3 用于多类分类的支持向量机 | 第57-58页 |
| 4．2．4 libsvm | 第58-59页 |
| 4．3 实验结果及分析 | 第59-62页 |
| 4．3．1 选取人脸样本 | 第59-60页 |
| 4．3．2 预处理 | 第60页 |
| 4．3．3 特征提取 | 第60-61页 |
| 4．3．4 SVM的训练与分类 | 第61-62页 |
| 4．4 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |