| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·人脸识别研究背景和意义 | 第7-8页 |
| ·人脸识别研究背景 | 第7页 |
| ·人脸识别研究意义 | 第7-8页 |
| ·人脸识别研究内容及发展史 | 第8-11页 |
| ·人脸识别研究内容 | 第8-9页 |
| ·人脸识别技术发展史 | 第9-10页 |
| ·隐马尔可夫模型在人脸识别中的应用 | 第10-11页 |
| ·人脸识别面临的主要问题 | 第11-12页 |
| ·本文主要研究内容及各章安排 | 第12-15页 |
| ·本文主要研究内容 | 第12页 |
| ·本文各章安排 | 第12-15页 |
| 第二章 隐马尔可夫模型基本理论 | 第15-27页 |
| ·马尔可夫(Markov)链 | 第15-16页 |
| ·隐马尔可夫模型(HMM) | 第16-17页 |
| ·隐马尔可夫模型的定义 | 第16-17页 |
| ·隐马尔可夫模型的三个基本问题 | 第17页 |
| ·隐马尔可夫模型三个基本问题的计算 | 第17-24页 |
| ·评估问题：Forward-Backward 算法 | 第17-20页 |
| ·解码问题：Viterbi 算法 | 第20-21页 |
| ·学习问题：Baum-Welch 算法 | 第21-24页 |
| ·计算中需要说明的一些问题 | 第24页 |
| ·本章小结 | 第24-27页 |
| 第三章 隐马尔可夫模型的人脸识别方法 | 第27-51页 |
| ·隐马尔可夫模型的人脸识别 | 第27-32页 |
| ·人脸的隐马尔可夫模型 | 第28页 |
| ·观察序列的产生方式 | 第28-29页 |
| ·模型训练与识别流程 | 第29-32页 |
| ·特征提取方法的研究 | 第32-41页 |
| ·主成分分析(PCA) | 第32-35页 |
| ·非负矩阵分解(NMF) | 第35-38页 |
| ·二维离散余弦(2D-DCT)变换 | 第38-39页 |
| ·奇异值分解(SVD) | 第39-41页 |
| ·相关实验及分析 | 第41-49页 |
| ·数据库简介 | 第41-43页 |
| ·HMM 参数讨论 | 第43-46页 |
| ·文中各种方法的比较 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于融合策略的隐马尔可夫模型识别方法 | 第51-67页 |
| ·图像融合策略分析 | 第51-53页 |
| ·像素级融合 | 第51-52页 |
| ·特征级融合 | 第52页 |
| ·决策级融合 | 第52-53页 |
| ·基于典型相关分析与隐马尔可夫模型的识别方法 | 第53-61页 |
| ·典型相关分析的基本思想 | 第53-54页 |
| ·典型相关分析的数学描述及解析方法 | 第54-58页 |
| ·基于典型相关分析与隐马尔可夫模型的人脸识别算法 | 第58-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·基于最小距离分类与隐马尔可夫模型的识别方法 | 第61-65页 |
| ·常用的距离分类器 | 第61-62页 |
| ·基于最小距离的后验概率调整算法 | 第62-64页 |
| ·实验结果及分析 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 总结和展望 | 第67-69页 |
| ·全文工作总结 | 第67页 |
| ·未来工作展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |