| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 面部识别概述 | 第10-13页 |
| 1.3 主要创新点 | 第13-14页 |
| 1.4 本文组织架构 | 第14-16页 |
| 第二章 面部识别相关方法与研究进展 | 第16-25页 |
| 2.1 基于面部全局区域特征的识别方法 | 第16-18页 |
| 2.1.1 线性方法 | 第16-17页 |
| 2.1.2 非线性方法 | 第17-18页 |
| 2.2 基于面部局部区域特征的识别方法 | 第18-19页 |
| 2.2.1 .基于特征点的面部识别方法 | 第18-19页 |
| 2.2.2 .基于局部纹理特征的面部识别 | 第19页 |
| 2.3 基于混合特征和统计模型的方法 | 第19-22页 |
| 2.4 深度学习方法 | 第22-24页 |
| 2.4.1 深度学习发展历史 | 第22-23页 |
| 2.4.2 面部识别深度学习方法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于局部增强型LBP的川金丝猴面部识别 | 第25-39页 |
| 3.1 识别任务中的感兴趣区域 | 第25-29页 |
| 3.1.1 细粒度面部识别 | 第26页 |
| 3.1.2 强判别能力特征区域与弱判别能力特征区域 | 第26-27页 |
| 3.1.3 有效判别区域细化 | 第27-28页 |
| 3.1.4 感兴趣区域分割 | 第28-29页 |
| 3.2 LBP纹理特征 | 第29-32页 |
| 3.3 LBP特征提取时的变尺寸子区域划分 | 第32-35页 |
| 3.3.1 图像子区域的变尺寸划分 | 第32-33页 |
| 3.3.2 特征复杂度与图像边缘密度 | 第33-34页 |
| 3.3.3 局部增强型LBP特征 | 第34-35页 |
| 3.4 实验与分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于SPL-BCNN的川金丝猴面部识别 | 第39-47页 |
| 4.1 细粒度识别与双线性卷积网络 | 第39-40页 |
| 4.2 基于自步学习-双线性卷积网络的川金丝猴面部识别方法 | 第40-43页 |
| 4.3 实验与结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间取得的科研成果 | 第56-57页 |