| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7页 |
| 第一章 人脸识别技术研究现状 | 第7-13页 |
| ·研究背景利意义 | 第7页 |
| ·人脸识别的研究内容 | 第7-8页 |
| ·关键技术 | 第8-10页 |
| ·特征表述 | 第8-9页 |
| ·特征选择 | 第9页 |
| ·分类器设计 | 第9-10页 |
| ·统计学习的方法介绍 | 第10页 |
| ·Eigenfaces | 第10页 |
| ·Fisherfaces | 第10页 |
| ·Bayesian方法 | 第10页 |
| ·人脸识别中的难点 | 第10-11页 |
| ·光照问题 | 第10-11页 |
| ·饰物变化 | 第11页 |
| ·姿态变化 | 第11页 |
| ·人脸数据库 | 第11页 |
| ·本课题的目的与意义 | 第11-12页 |
| ·本课题主要的研究内容以及文章结构 | 第12-13页 |
| 第二章 相关关键技术介绍 | 第13-22页 |
| ·Gabor特征介绍及其在人脸识别领域中的应用 | 第13-18页 |
| ·Gabor特征 | 第13-16页 |
| ·Gabor函数的空域特性 | 第13-14页 |
| ·Gabor函数的频域特性 | 第14页 |
| ·常用Gabor filter公式分析 | 第14-16页 |
| ·Gabor特征在人脸识别领域中的应用 | 第16-18页 |
| ·弹性图匹配算法 | 第16-18页 |
| ·基于Gabor特征的线性判别分析算法 | 第18页 |
| ·AdaBoost介绍 | 第18-20页 |
| ·弱分类器介绍 | 第19页 |
| ·强分类器构造 | 第19页 |
| ·AdaBoost在人脸检测领域的应用 | 第19-20页 |
| ·小结 | 第20-22页 |
| 第三章 基于AdaBoost的Gabor特征选择 | 第22-33页 |
| ·GaborFace—Gabor特征对人脸的描述 | 第22页 |
| ·两类问题的建立—Intra & Extra空间的描述 | 第22-23页 |
| ·Intrapersonal空间的构建 | 第23页 |
| ·Extrapersonal空间的构建 | 第23页 |
| ·基于Intraperonal、Extraperonal空间的Gabor特征选择 | 第23-28页 |
| ·AdaBoost方法的引入 | 第24-25页 |
| ·训练—特征选择的过程 | 第25-28页 |
| ·Gabor特征序列分析 | 第28-32页 |
| ·Gabor核函数尺度(Scale)分布分析 | 第28-31页 |
| ·Gabor核函数方向变化的分析 | 第31页 |
| ·40个Gabor核函数分布分析 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于AdaBoosted Gabor特征的分类判定 | 第33-38页 |
| ·AdaBoost构建的分类器 | 第33-35页 |
| ·识别流程 | 第33-34页 |
| ·实验结果 | 第34-35页 |
| ·基于LDA线性判别分析的分类器 | 第35-37页 |
| ·基于下采样Gabor特征的LDA方法 | 第35-36页 |
| ·基于AdaBoosted Gabor的LDA方法 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第五章 AdaBoost+LDA方法的性能验证 | 第38-48页 |
| ·FERET人脸库测试结果 | 第38-41页 |
| ·泛化能力在误配准条件下性能验证 | 第41-45页 |
| ·泛化性能在不同人脸库上的验证 | 第45-46页 |
| ·小结 | 第46-48页 |
| 结论 | 第48-52页 |
| 致谢 | 第52-53页 |
| 作者简历 | 第53页 |
