| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 人脸识别技术研究意义 | 第11-13页 |
| 1.2.1 人脸识别技术理论研究意义 | 第12页 |
| 1.2.2 人脸识别技术实用研究意义 | 第12-13页 |
| 1.3 人脸识别关键技术 | 第13-17页 |
| 1.3.1 人脸检测 | 第13-14页 |
| 1.3.2 特征点定位与图像配准 | 第14-15页 |
| 1.3.3 特征描述 | 第15-16页 |
| 1.3.4 特征选择 | 第16-17页 |
| 1.3.5 特征比对匹配 | 第17页 |
| 1.4 国内外人脸识别商业系统 | 第17-19页 |
| 1.5 本文主要工作 | 第19-20页 |
| 1.6 本文章节安排 | 第20-21页 |
| 第二章 多姿态人脸图像信息融合 | 第21-47页 |
| 2.1 多姿态人脸图像 | 第22-24页 |
| 2.2 人脸图像特征点定位 | 第24-29页 |
| 2.2.1 AAM 算法建模 | 第25-28页 |
| 2.2.2 AAM 训练与匹配算法 | 第28-29页 |
| 2.3 多姿态人脸图像信息融合 | 第29-39页 |
| 2.3.1 几何信息融合 | 第29-31页 |
| 2.3.2 纹理信息融合 | 第31-35页 |
| 2.3.3 人脸图像旋转量度量 | 第35-37页 |
| 2.3.4 人脸图像信息融合 | 第37-39页 |
| 2.4 实验小结 | 第39-46页 |
| 2.4.1 Gabor 特征简述 | 第40-41页 |
| 2.4.2 多姿态人脸图像数据库建立 | 第41-43页 |
| 2.4.3 实验结果与小结 | 第43-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第三章 基于人脸对称性的特征提取方法 | 第47-61页 |
| 3.1 对称性度量 | 第48-50页 |
| 3.2 基于对称性的人脸图像特征提取 | 第50-54页 |
| 3.2.1 奇对称与偶对称人脸图像 | 第50-51页 |
| 3.2.2 基于 Adaboost 训练人脸分类器 | 第51-53页 |
| 3.2.3 偶对称人脸图像特征提取 | 第53-54页 |
| 3.3 基于 Adaboost 分类器的分类判定 | 第54-59页 |
| 3.3.1 训练样本及分类器 | 第54-56页 |
| 3.3.2 实验小结 | 第56-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第四章 实用人脸识别系统 | 第61-71页 |
| 4.1 系统概述 | 第61-63页 |
| 4.1.1 系统功能 | 第61-62页 |
| 4.1.2 硬件及软件运行环境 | 第62-63页 |
| 4.2 系统实现 | 第63-70页 |
| 4.2.1 人脸识别系统的基本框架 | 第63-64页 |
| 4.2.2 系统结构 | 第64-66页 |
| 4.2.3 软件实现 | 第66-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-74页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 未来展望 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间已发表或录用的论文 | 第82-83页 |
| 学术论文 | 第82页 |
| 发明专利 | 第82-83页 |
| 附件 | 第83页 |