| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景 | 第8页 |
| 1.2 课题目的及意义 | 第8页 |
| 1.3 国内外相关技术及发展现状 | 第8-11页 |
| 1.3.1 人脸识别发展现状 | 第9-11页 |
| 1.3.2 远程认证技术发展现状 | 第11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 第2章 人脸识别特征提取及系统架构 | 第12-21页 |
| 2.1 引言 | 第12页 |
| 2.2 人脸识别特征提取 | 第12-15页 |
| 2.2.1 基于几何特征的特征提取 | 第12-13页 |
| 2.2.2 基于 LBP 算子的特征提取 | 第13页 |
| 2.2.3 基于主成分分析的特征提取 | 第13-15页 |
| 2.2.4 基于子空间学习的特征提取 | 第15页 |
| 2.3 系统架构 | 第15-20页 |
| 2.3.1 系统整体架构 | 第15-16页 |
| 2.3.2 客户端 | 第16-17页 |
| 2.3.3 服务器端 | 第17页 |
| 2.3.4 安全性保证 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 人脸识别特征提取算法的研究与改进 | 第21-38页 |
| 3.1 引言 | 第21页 |
| 3.2 人脸检测 | 第21页 |
| 3.3 人脸图像子空间学习特征提取算法 | 第21-26页 |
| 3.3.1 最近特征子空间学习特征提取算法 | 第22-23页 |
| 3.3.2 相关鉴别最近特征线分析特征提取算法 | 第23-24页 |
| 3.3.3 最近特征空间分析特征提取算法 | 第24-25页 |
| 3.3.4 判别最近特征空间分析特征提取算法 | 第25-26页 |
| 3.4 人脸识别特征分类算法 | 第26-29页 |
| 3.4.1 k 最近邻分类算法 | 第27页 |
| 3.4.2 最近特征线分类算法 | 第27-28页 |
| 3.4.3 最近特征空间分类算法 | 第28-29页 |
| 3.5 改进的最近特征空间分析特征提取算法 | 第29-37页 |
| 3.5.1 自适应加权最近特征空间分析（AWNFSA） | 第29-31页 |
| 3.5.2 AWNFSA 在 ORL 数据库上的识别效果 | 第31-33页 |
| 3.5.3 AWNFSA 在 AR 数据库上的识别效果 | 第33-35页 |
| 3.5.4 AWNFSA 在 FKP 数据库上的识别效果 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 远程认证系统的设计与实现 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 系统的设计实现 | 第38-51页 |
| 4.2.1 客户端设计 | 第38-40页 |
| 4.2.2 服务器端设计 | 第40-41页 |
| 4.2.3 系统安全性设计 | 第41-47页 |
| 4.2.4 远程数据访问权限控制 | 第47-50页 |
| 4.2.5 系统运行效果分析 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第57-59页 |
| 致谢 | 第59页 |
