| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究的背景及意义 | 第12-14页 |
| 1.2 当代人脸识别技术研究概况 | 第14-18页 |
| 1.2.1 国内外研究现状 | 第14-15页 |
| 1.2.2 人脸检测的新方法 | 第15-16页 |
| 1.2.3 人脸识别的新方法 | 第16-17页 |
| 1.2.4 针对人脸图像的光处理 | 第17页 |
| 1.2.5 不同标准的人脸库 | 第17-18页 |
| 1.3 发展趋势及需要解决的问题 | 第18-19页 |
| 1.4 论文的结构安排 | 第19-20页 |
| 第2章 人脸识别相关技术 | 第20-35页 |
| 2.1 人脸识别系统的构成 | 第20-21页 |
| 2.2 人脸的检测与定位 | 第21-25页 |
| 2.2.1 基于类Haar特征和Adaboost分类器的人脸检测 | 第21-24页 |
| 2.2.2 系统中人脸检测模块的实现 | 第24-25页 |
| 2.3 图像的归一化与预处理 | 第25-29页 |
| 2.3.1 图像的归一化的实现 | 第26-27页 |
| 2.3.2 直方图均衡 | 第27页 |
| 2.3.3 高斯平滑 | 第27-28页 |
| 2.3.4 中值滤波 | 第28页 |
| 2.3.5 系统中图像预处理操作的实现 | 第28-29页 |
| 2.4 特征的提取与选择 | 第29-31页 |
| 2.5 分类器的训练与距离计算 | 第31-34页 |
| 2.5.1 分类器设计 | 第31-32页 |
| 2.5.2 空间距离的计算 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于主成分分析的人脸识别 | 第35-44页 |
| 3.1 主成分分析 | 第35-37页 |
| 3.1.1 PCA特征提取方法 | 第35-36页 |
| 3.1.2 PCA特征提取的流程 | 第36-37页 |
| 3.2 K近邻分类器的原理及改进 | 第37-40页 |
| 3.2.1 K近邻分类器的原理及优缺点 | 第37-38页 |
| 3.2.2 K近邻分类器的改进 | 第38页 |
| 3.2.3 改进K近邻分类器的实验 | 第38-40页 |
| 3.3 算法的实现过程 | 第40-43页 |
| 3.3.1 PCA的特征提取过程的实现 | 第40页 |
| 3.3.2 最近邻分类器的识别过程的实现 | 第40-41页 |
| 3.3.3 改进的K近邻分类器的识别过程的实现 | 第41-42页 |
| 3.3.4 特征提取与识别过程的流程图 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于二维主成分分析的人脸识别 | 第44-50页 |
| 4.1 二维主成分分析 | 第44-47页 |
| 4.1.1 二维主成分分析简介 | 第44页 |
| 4.1.2 二维主成分分析的流程 | 第44-46页 |
| 4.1.3 二维主成分分析的发展与改进 | 第46-47页 |
| 4.2 算法的实现过程 | 第47-49页 |
| 4.2.1 二维主成分分析的特征提取过程的实现 | 第47页 |
| 4.2.2 训练与识别的流程图 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 人脸识别系统展示 | 第50-63页 |
| 5.1 人脸识别系统介绍 | 第50页 |
| 5.2 系统结构图 | 第50-54页 |
| 5.2.1 人脸检测模块 | 第51-52页 |
| 5.2.2 人脸识别模块 | 第52-53页 |
| 5.2.3 测试模块 | 第53-54页 |
| 5.3 系统的测试及结果分析 | 第54-60页 |
| 5.3.1 使用ORL人脸库的测试 | 第54-57页 |
| 5.3.2 使用FERET人脸库的测试 | 第57-60页 |
| 5.4 系统的识别效果的展示 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与期望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 研究与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |