| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 人脸识别的发展 | 第11-14页 |
| 1.3 人脸识别系统组成 | 第14-16页 |
| 1.4 本文主要工作及章节安排 | 第16-19页 |
| 第2章 传统人脸识别算法 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 基于子空间的人脸识别算法 | 第19-22页 |
| 2.2.1 主成分分析 | 第19-21页 |
| 2.2.2 线性判别分析 | 第21-22页 |
| 2.3 基于局部特征的人脸识别算法 | 第22-27页 |
| 2.3.1 韦伯局部描述子 | 第23-26页 |
| 2.3.2 局部二值模式 | 第26-27页 |
| 2.4 基于稀疏描述的人脸识别算法 | 第27-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 人脸图像局部关键点描述算法 | 第33-49页 |
| 3.1 引言 | 第33页 |
| 3.2 局部关键点描述算法的优点 | 第33-34页 |
| 3.3 基于SIFT的人脸识别 | 第34-43页 |
| 3.3.1 建立DoG差分空间 | 第35-37页 |
| 3.3.2 关键点提取 | 第37-38页 |
| 3.3.3 关键点的筛选 | 第38-40页 |
| 3.3.4 关键点分配方向值 | 第40-41页 |
| 3.3.5 生成关描述子 | 第41-42页 |
| 3.3.6 关键点匹配 | 第42-43页 |
| 3.4 基于SIFT的改进算法 | 第43-47页 |
| 3.4.1 尺度空间的建立 | 第44-45页 |
| 3.4.2 重要关键点的保留 | 第45页 |
| 3.4.3 方向信息 | 第45-47页 |
| 3.4.4 匹配策略 | 第47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于Brief的快速特征提取算法 | 第49-59页 |
| 4.1 算法简介 | 第49页 |
| 4.2 关键点提取 | 第49-53页 |
| 4.2.1 分割检测判据(Segment-test criterion) | 第50页 |
| 4.2.2 FAST检测算子 | 第50-51页 |
| 4.2.3 参数设置 | 第51-52页 |
| 4.2.4 非极大值抑制原理 | 第52-53页 |
| 4.3 描述子的建立 | 第53-56页 |
| 4.3.1 图像的平滑滤波 | 第54页 |
| 4.3.2 区域像素对的选择 | 第54-55页 |
| 4.3.3 Brief特征建立与匹配 | 第55-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 对比分析实验 | 第59-67页 |
| 5.1 人脸库介绍与算法参数设置 | 第59-61页 |
| 5.2 识别率分析 | 第61-64页 |
| 5.2.1 多样本识别率分析 | 第61-62页 |
| 5.2.2 单样本条件下识别率分析 | 第62-63页 |
| 5.2.3 约束条件下识别率 | 第63-64页 |
| 5.3 识别时间对比 | 第64-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |