| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| ·人脸识别研究背景 | 第13-17页 |
| ·人脸识别研究的发展历程 | 第14-15页 |
| ·非理想条件下人脸识别研究现状 | 第15-17页 |
| ·人脸识别研究的目的及意义 | 第17-18页 |
| ·本文主要工作 | 第18-19页 |
| ·本文组织结构 | 第19-21页 |
| 第2章 自动人脸识别相关技术 | 第21-33页 |
| ·人脸识别一般过程 | 第21-22页 |
| ·人脸图像预处理 | 第22-25页 |
| ·图像的降噪处理 | 第22-23页 |
| ·几何归一化与灰度归一化 | 第23-25页 |
| ·基于通用三维人脸模型的姿态归一化技术 | 第25页 |
| ·关键特征点检测与定位 | 第25-27页 |
| ·关键特征提取与分类匹配 | 第27-30页 |
| ·关键特征提取 | 第27页 |
| ·关键特征提取分类匹配算法 | 第27-30页 |
| ·人脸识别的评测标准 | 第30-32页 |
| ·性能评测的主要数学依据 | 第30-31页 |
| ·商业人脸识别产品评测 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于三维重建的单训练样本人脸识别 | 第33-46页 |
| ·人脸识别中的单样本问题 | 第33-35页 |
| ·单样本问题描述 | 第33-34页 |
| ·单样本人脸识别的意义 | 第34-35页 |
| ·单样本人脸识别的解决方案 | 第35页 |
| ·特定人脸三维重建 | 第35-40页 |
| ·标准人脸模型 | 第35-37页 |
| ·Candide-3 模型描述 | 第37-38页 |
| ·改进的特定人脸3D 重建 | 第38-40页 |
| ·单张图像Candide-3 顶点配准产生不同姿态人脸 | 第40-41页 |
| ·人脸的奇异值特征向量 | 第41-43页 |
| ·实验过程与实验结果 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于Candide-3 和SVM 的单训练样本人脸验证 | 第46-56页 |
| ·人脸验证关键技术 | 第46-47页 |
| ·人脸验证与人脸辨识的比较 | 第46-47页 |
| ·分类器设计 | 第47页 |
| ·支持向量机应用于人脸验证 | 第47-51页 |
| ·统计学习理论和SVM | 第48-50页 |
| ·基于SVM 的人脸识别算法 | 第50-51页 |
| ·针对单样本人脸验证特殊性的算法改进 | 第51-54页 |
| ·基于Candide-3 和SVM 的改进算法描述 | 第51页 |
| ·利用Candide-3 模型产生不同姿态人脸 | 第51-52页 |
| ·基于SVM 的分类训练 | 第52页 |
| ·阈值设定策略 | 第52-54页 |
| ·识别实验 | 第54-55页 |
| ·人脸验证过程描述 | 第54页 |
| ·实验结果及分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于SVM 的考生身份验证系统设计 | 第56-63页 |
| ·身份验证系统共性问题探讨 | 第56-58页 |
| ·系统工作环境 | 第56页 |
| ·训练集的构造 | 第56-57页 |
| ·核心识别算法 | 第57页 |
| ·阈值设定策略 | 第57-58页 |
| ·自动考生身份验证系统需求分析 | 第58-59页 |
| ·自动考生身份验证背景 | 第58页 |
| ·自动考生身份验证系统功能需求 | 第58-59页 |
| ·考生身份验证系统框架 | 第59-60页 |
| ·考生身份验证系统详细设计 | 第60-62页 |
| ·考生身份验证系统开发环境 | 第60页 |
| ·系统关键类设计 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读硕士期间发表的论文和参与的科研项目 | 第71页 |
