| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 人脸识别研究综述 | 第10-16页 |
| 1.2.1 人脸识别技术发展历史 | 第11-12页 |
| 1.2.2 人脸识别的主流方法 | 第12-14页 |
| 1.2.3 人脸识别的难点与挑战 | 第14-16页 |
| 1.3 本文的研究内容与工作安排 | 第16-17页 |
| 第2章 Gabor小波变换及其在人脸识别中的应用 | 第17-30页 |
| 2.1 Gabor小波变换 | 第17-22页 |
| 2.1.1 一维Gabor小波 | 第17-18页 |
| 2.1.2 二维Gabor小波 | 第18-20页 |
| 2.1.3 二维Gabor滤波器参数的选择 | 第20-22页 |
| 2.2 基于Gabor特征的人脸识别算法 | 第22-28页 |
| 2.2.1 基于图像整体Gabor特征的人脸识别方法 | 第22-25页 |
| 2.2.2 基于图像局部特征点的人脸识别方法 | 第25-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 AdaBoost学习算法 | 第30-38页 |
| 3.1 Boosting算法原理 | 第30-31页 |
| 3.2 Adaboost学习算法 | 第31-34页 |
| 3.2.1 Adaboost算法原理 | 第31-33页 |
| 3.2.2 Adaboost算法训练误差分析 | 第33-34页 |
| 3.3 级联分类器 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 Gabor和Adaboost结合的人脸识别算法 | 第38-54页 |
| 4.1 人脸特征构造 | 第38-43页 |
| 4.1.1 人脸图片归一化以及识别问题转化 | 第38-39页 |
| 4.1.2 Gabor特征的构造 | 第39-43页 |
| 4.2 Adaboost算法的训练过程 | 第43-48页 |
| 4.2.1 弱分类器的构造 | 第43页 |
| 4.2.2 弱分类器的学习及选取 | 第43-44页 |
| 4.2.3 强分类器的训练 | 第44-46页 |
| 4.2.4 级联分类器的训练 | 第46-48页 |
| 4.3 实验结果分析 | 第48-52页 |
| 4.3.1 人脸数据库和实验环境 | 第48-49页 |
| 4.3.2 实验结果与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |