| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-32页 |
| ·生物识别技术 | 第14-18页 |
| ·生物特征的分类研究 | 第15页 |
| ·各种生物特征的性能分析与比较 | 第15-16页 |
| ·生物特征身份鉴别系统的评价 | 第16-18页 |
| ·生物特征身份鉴别技术的发展方向 | 第18页 |
| ·人脸识别技术综述 | 第18-24页 |
| ·人脸识别的研究意义 | 第19-20页 |
| ·人脸识别的发展阶段 | 第20-22页 |
| ·人脸识别的主要技术方法 | 第22-23页 |
| ·人脸识别的关键问题 | 第23-24页 |
| ·国内外研究现状 | 第24-29页 |
| ·二维人脸识别 | 第24-28页 |
| ·三维人脸识别 | 第28-29页 |
| ·本文的研究内容及章节安排 | 第29-32页 |
| 第2章 基于肤色和双眼信息的人脸检测 | 第32-62页 |
| ·人脸库简介 | 第32-34页 |
| ·图像增强算法 | 第34-43页 |
| ·现有的图像增强方法 | 第34-36页 |
| ·现有评价图像增强的方法 | 第36-37页 |
| ·基于熵误码率的人脸增强方法 | 第37-43页 |
| ·光照补偿 | 第43-45页 |
| ·二值化 | 第45-46页 |
| ·基于数学形态学的噪声去除 | 第46-47页 |
| ·已有的人脸检测技术 | 第47-52页 |
| ·基于面部重要特征的人脸检测方法 | 第49页 |
| ·基于统计的人脸检测方法 | 第49-51页 |
| ·基于模板匹配的人脸检测方法 | 第51页 |
| ·基于肤色分割的彩色图像人脸检测 | 第51-52页 |
| ·利用肤色和双眼信息进行人脸区域快速检测的新方法 | 第52-59页 |
| ·肤色过滤 | 第53-55页 |
| ·眼睛位置过滤及定位 | 第55-58页 |
| ·面部提取及归一化 | 第58-59页 |
| ·实验结果及算法分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第3章 基于多分类器组合的人脸识别方法 | 第62-97页 |
| ·现有的人脸特征提取与识别方法 | 第62-66页 |
| ·基于几何特征的人脸识别方法 | 第62页 |
| ·基于代数特征的人脸识别方法 | 第62-64页 |
| ·基于支持向量机的方法 | 第64-65页 |
| ·神经网络方法 | 第65页 |
| ·多分类器组合方法 | 第65-66页 |
| ·人脸特征提取 | 第66-67页 |
| ·人脸图像归一化 | 第66页 |
| ·特征提取的概念 | 第66-67页 |
| ·人脸图像的描述特征和分类特征 | 第67-72页 |
| ·PCA 方法 | 第67-70页 |
| ·LDA 方法 | 第70-72页 |
| ·统计学习理论 | 第72-76页 |
| ·经验风险最小化原则及其不足 | 第73-74页 |
| ·统计学习理论的主要思想 | 第74-76页 |
| ·支持向量机 | 第76-84页 |
| ·线性可分的标准最优分类面 | 第77-79页 |
| ·线性不可分的广义最优分类面 | 第79页 |
| ·高维空间的最优分类面 | 第79-81页 |
| ·支持向量机的研究 | 第81-83页 |
| ·支持向量机的应用 | 第83-84页 |
| ·基于多分类器组合方法的人脸识别 | 第84-94页 |
| ·改进特征脸的人脸识别方法 | 第84-87页 |
| ·基于支持向量机的人脸识别方法 | 第87-93页 |
| ·基于多分类器组合的人脸识别方法 | 第93-94页 |
| ·实验结果及评价 | 第94-95页 |
| ·小结 | 第95-97页 |
| 第4章 人耳的特征提取和识别方法 | 第97-108页 |
| ·引言 | 第97-98页 |
| ·人耳识别方法 | 第98-102页 |
| ·Afred Iannarelli 的人耳分类系统 | 第98-99页 |
| ·Burge 和Burger 的人耳自动识别技术 | 第99页 |
| ·Moreno 等的外耳图像识别方法 | 第99-100页 |
| ·“力场转换”理论 | 第100-101页 |
| ·基于主元分析(PCA)的识别方法 | 第101页 |
| ·基于不变矩的人耳识别方法 | 第101-102页 |
| ·基于三维的人耳识别方法 | 第102页 |
| ·人耳识别系统的构成 | 第102-103页 |
| ·人耳图像的采集及预处理 | 第103页 |
| ·人耳的特征提取和识别方法 | 第103-106页 |
| ·边缘检测 | 第103-105页 |
| ·坐标标准化 | 第105页 |
| ·特征提取算法 | 第105-106页 |
| ·识别算法 | 第106页 |
| ·实验结果及分析 | 第106-107页 |
| ·小结 | 第107-108页 |
| 第5章 基于多智能体技术的三维人脸与人耳相结合的识别方法 | 第108-131页 |
| ·三维人脸识别方法 | 第108-112页 |
| ·三维人脸重建 | 第109页 |
| ·三维头部跟踪 | 第109-111页 |
| ·三维人脸识别 | 第111页 |
| ·表情分析与合成 | 第111-112页 |
| ·三维人脸与人耳相结合识别方法的提出 | 第112-116页 |
| ·人脸识别及其遇到的问题 | 第112-113页 |
| ·人脸与人耳的组合方法 | 第113-114页 |
| ·人脸与人耳识别的融合策略 | 第114-116页 |
| ·侧面人脸的检测和识别 | 第116-121页 |
| ·侧面人脸检测方法 | 第117-118页 |
| ·人脸图像处理 | 第118-121页 |
| ·侧面人脸的识别算法 | 第121页 |
| ·三维人脸与人耳相结合的多智能体系统模型 | 第121-129页 |
| ·Agent 技术 | 第122-123页 |
| ·多Agent 技术 | 第123-125页 |
| ·MAFRSM 结构 | 第125-126页 |
| ·管理Agent 的构造 | 第126-129页 |
| ·多Agent 识别验证 | 第129页 |
| ·小结 | 第129-131页 |
| 第6章 总结与展望 | 第131-135页 |
| ·本文主要的创新点 | 第131-133页 |
| ·进一步的研究工作 | 第133-135页 |
| 参考文献 | 第135-147页 |
| 攻读博士学位期间发表的论文及所取得的研究成果 | 第147-149页 |
| 致谢 | 第149页 |