| 摘要 | 第1-7页 |
| Abstract | 第7-17页 |
| 第1章 绪论 | 第17-31页 |
| ·自动人脸识别的研究背景与意义 | 第17-22页 |
| ·人体生物特征识别的研究背景 | 第17-21页 |
| ·自动人脸识别的研究意义 | 第21-22页 |
| ·自动人脸识别的研究内容 | 第22页 |
| ·自动人脸识别研究简史及现状分析 | 第22-27页 |
| ·人脸识别算法的发展过程 | 第23-26页 |
| ·国内外发展现状 | 第26-27页 |
| ·自动人脸识别的关键问题 | 第27-29页 |
| ·论文的研究内容和章节安排 | 第29-31页 |
| 第2章 Adaboost 算法与 YCbCr 肤色模型融合的多人脸检测研究 | 第31-45页 |
| ·引言 | 第31-32页 |
| ·人脸的Haar 特征 | 第32-35页 |
| ·Haar-like 特征 | 第32-33页 |
| ·人脸类Haar-like 矩形特征的快速计算方法 | 第33-35页 |
| ·Adaboost 算法 | 第35-39页 |
| ·弱分类器 | 第37页 |
| ·强分类器 | 第37-39页 |
| ·级联强分类器 | 第39-40页 |
| ·Adaboost 算法实验及结果 | 第40-42页 |
| ·基于YCbCr 肤色模型的后期验证及实验结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于 Retinex 理论的人脸图像光照处理方法 | 第45-69页 |
| ·引言 | 第45页 |
| ·相关研究回顾 | 第45-48页 |
| ·Retinex 理论 | 第48-56页 |
| ·Retinex 理论的发展 | 第49-50页 |
| ·Retinex 算法的基础框架 | 第50-52页 |
| ·单尺度Retinex(SSR)算法 | 第52页 |
| ·多尺度Retinex(MSR)算法 | 第52-53页 |
| ·McCann99 Retinex 算法 | 第53-54页 |
| ·三种经典Retinex 算法的性能分析 | 第54-56页 |
| ·基于自适应平滑的Retinex 算法 | 第56-64页 |
| ·自适应平滑 | 第56-57页 |
| ·常用传导函数分析 | 第57页 |
| ·本文的无边缘增强效应的传导函数 | 第57-61页 |
| ·灰度变化程度测量的改进 | 第61-62页 |
| ·本文的Retinex 算法步骤 | 第62-63页 |
| ·参数选择讨论 | 第63-64页 |
| ·识别实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 子空间特征提取方法与分类器的选择策略 | 第69-87页 |
| ·引言 | 第69-70页 |
| ·子空间分析方法综述 | 第70-73页 |
| ·线性子空间分析方法综述 | 第70-72页 |
| ·非线性子空间分析综述 | 第72-73页 |
| ·子空间特征提取与分类器选择研究 | 第73-84页 |
| ·主成分分析（PCA） | 第73-78页 |
| ·线性鉴别分析（LDA） | 第78-80页 |
| ·独立成分分析（ICA）和快速独立成分分析（FastICA） | 第80-83页 |
| ·距离分类器 | 第83-84页 |
| ·最佳组合策略的实验及结果分析 | 第84-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 基于 Gabor 和 LBP 结合的局部特征提取方法 | 第87-105页 |
| ·引言 | 第87-88页 |
| ·相关研究回顾 | 第88-90页 |
| ·基于LBP 算子的人脸特征描述 | 第90-96页 |
| ·局部二值模式（LBP） | 第90页 |
| ·改进的LBP 算子 | 第90-92页 |
| ·基于LBP 的人脸特征描述 | 第92-94页 |
| ·基于分块LBP 特征的识别实验及分析 | 第94-96页 |
| ·基于Gabor 变换的人脸局部特征提取 | 第96-101页 |
| ·一维Gabor 函数 | 第96-97页 |
| ·二维Gabor 变换 | 第97-99页 |
| ·提取人脸Gabor 特征 | 第99-101页 |
| ·本论文的基于局部特征的人脸识别方法(GLBP-PCA) | 第101-103页 |
| ·识别实验结果及分析 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 基于 SIFT 的可变光照、姿态、表情的人脸识别研究 | 第105-119页 |
| ·引言 | 第105-106页 |
| ·SIFT 算法 | 第106-115页 |
| ·SIFT 算法简介 | 第106页 |
| ·多尺度空间原理 | 第106-107页 |
| ·SIFT 算法的步骤 | 第107-112页 |
| ·人脸图像的SIFT 特征向量及匹配 | 第112-115页 |
| ·基于SIFT 算法的PIE 人脸识别实验与分析 | 第115-118页 |
| ·本章小结 | 第118-119页 |
| 第7章 自动人脸识别应用系统设计 | 第119-129页 |
| ·引言 | 第119-120页 |
| ·自动人脸识别系统设计的关键问题分析 | 第120-122页 |
| ·自动人脸识别系统设计方案 | 第122-127页 |
| ·系统核心算法及软件仿真结果 | 第122-124页 |
| ·系统设计方案 | 第124-127页 |
| ·本章小结 | 第127-129页 |
| 第8章 总结与展望 | 第129-133页 |
| ·论文的主要工作总结 | 第129-130页 |
| ·论文的创新点 | 第130-131页 |
| ·展望 | 第131-133页 |
| 参考文献 | 第133-143页 |
| 在学期间学术成果情况 | 第143-144页 |
| 指导教师及作者简介 | 第144-145页 |
| 致谢 | 第145-146页 |
