| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 抗光照干扰的人脸识别算法的研究背景和研究意义 | 第9-10页 |
| 1.2 人脸识别及其算法的研究现状 | 第10-16页 |
| 1.2.1 人脸识别研究现状 | 第10-13页 |
| 1.2.2 人脸识别技术存在的难点 | 第13-14页 |
| 1.2.3 光照对人脸识别的影响 | 第14-16页 |
| 1.2.4 抗光照干扰的人脸识别算法的研究现状 | 第16页 |
| 1.3 人脸识别流程 | 第16-18页 |
| 1.4 人脸识别系统的性能指标 | 第18-19页 |
| 1.4.1 人脸识别系统的性能指标 | 第18页 |
| 1.4.2 Yale和FERET人脸库的说明 | 第18-19页 |
| 1.5 本论文主要工作及创新点 | 第19页 |
| 1.6 研究内容及论文安排 | 第19-21页 |
| 第二章 针对变化光照问题主流的解决方案 | 第21-29页 |
| 2.1 基于变换的光照补偿方法 | 第21-26页 |
| 2.1.1 基于空域变换的方法 | 第21-23页 |
| 2.1.2 基于频域变换的方法 | 第23-26页 |
| 2.2 基于光照样本合成的光照补偿方法 | 第26-28页 |
| 2.2.1 基于不变特征的方法 | 第26-27页 |
| 2.2.2 基于对称的形状重构（SSFS）方法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 抗光照干扰的光照均衡预处理变换 | 第29-44页 |
| 3.1 光照均衡预处理变换 | 第29-34页 |
| 3.1.1 光照均衡预处理变换原理 | 第29-32页 |
| 3.1.2 光照均衡预处理变换的效果 | 第32-34页 |
| 3.2 光照均衡预处理算法与PCA算法的结合 | 第34-38页 |
| 3.2.1 PCA算法介绍 | 第34-35页 |
| 3.2.2 光照均衡预处理变换结合PCA算法的仿真 | 第35-38页 |
| 3.3 光照均衡预处理变换与Fisherfaces算法的结合 | 第38-42页 |
| 3.3.1 Fisherfaces算法介绍 | 第38-40页 |
| 3.3.2 光照均衡预处理算法结合Fisherfaces算法的仿真 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 抗光照干扰的HV2DPCA改进算法 | 第44-54页 |
| 4.1 二维主成分分析算法 | 第44-46页 |
| 4.2 水平和垂直二维主成分分析算法 | 第46-47页 |
| 4.2.1 水平二维主成分分析算法 | 第46页 |
| 4.2.2 垂直二维主成分分析算法 | 第46-47页 |
| 4.2.3 水平垂直主成分分析算法 | 第47页 |
| 4.3 抗光照干扰的HV2DPCA改进算法 | 第47-53页 |
| 4.3.1 HV2DPCA改进算法原理 | 第48-50页 |
| 4.3.2 改进算法仿真结果及与 2DPCA算法、HV2DPCA算法的比较 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 光照均衡预处理变换和改进的HV2DPCA算法在居家安防场景下的应用 | 第54-63页 |
| 5.1 光照均衡预处理变换和改进的HV2DPCA算法在安防场景下的具体实现 | 第54-61页 |
| 5.1.1 智能家居系统简介 | 第54-56页 |
| 5.1.2 智能家居安防子系统对人脸识别算法的性能要求 | 第56-57页 |
| 5.1.3 光照均衡处理变换和改进的HV2DPCA算法在居家安防场景下的具体实现 | 第57页 |
| 5.1.4 人脸识别模块的硬件实现 | 第57-59页 |
| 5.1.5 人脸识别系统的简介 | 第59-61页 |
| 5.2 光照均衡处理变换和改进的HV2DPCA算法使用前后性能比较 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录1 程序清单 | 第66-67页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 附录3 攻读硕士学位期间申请的专利 | 第68-69页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
