| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10页 |
| 1.2 生物特征识别技术简介 | 第10-12页 |
| 1.2.1 指纹识别 | 第11页 |
| 1.2.2 虹膜识别 | 第11页 |
| 1.2.3 语音识别 | 第11-12页 |
| 1.2.4 步态识别 | 第12页 |
| 1.3 人脸识别简介 | 第12-13页 |
| 1.4 本文主要的研究内容 | 第13-14页 |
| 1.6 本文的结构安排 | 第14-16页 |
| 第2章 人脸识别研究现状 | 第16-20页 |
| 2.1 基于单一分类器的识别方法 | 第16-17页 |
| 2.1.1 基于几何特征的方法 | 第16页 |
| 2.1.2 基于模型的方法 | 第16页 |
| 2.1.3 基于统计的方法 | 第16-17页 |
| 2.1.4 基于神经网络的方法 | 第17页 |
| 2.2 基于多分类器的识别方法 | 第17-18页 |
| 2.3 本章小结 | 第18-20页 |
| 第3章 基于图像轮廓的人脸识别方法 | 第20-32页 |
| 3.1 人脸轮廓能量图 | 第20-25页 |
| 3.1.1 直方图均衡化 | 第20-21页 |
| 3.1.2 图像二值化 | 第21-23页 |
| 3.1.3 边缘检测 | 第23-24页 |
| 3.1.4 轮廓能量图 | 第24-25页 |
| 3.2 相似度 | 第25-26页 |
| 3.3 分类识别 | 第26-29页 |
| 3.3.1 主成分分析 | 第26-27页 |
| 3.3.2 稀疏保持投影 | 第27-28页 |
| 3.3.3 基于图像轮廓的识别方法 | 第28-29页 |
| 3.4 实验以及结果分析 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 基于小波变换和(2D)~2PCA 的集成人脸识别方法 | 第32-42页 |
| 4.1 小波变换 | 第32-33页 |
| 4.1.1 连续小波变换 | 第32页 |
| 4.1.2 离散小波变换 | 第32-33页 |
| 4.2 二维主成分分析 | 第33-35页 |
| 4.2.1 二维主成分分析 | 第33-34页 |
| 4.2.2 完全主成分分析 | 第34-35页 |
| 4.3 Boosting 方法 | 第35-39页 |
| 4.3.1 AdaBoost 算法 | 第35-37页 |
| 4.3.2 AdaBoost.M1 算法 | 第37-38页 |
| 4.3.3 SAMME 算法 | 第38-39页 |
| 4.4 实验及结果分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于局部特征的集成人脸识别方法 | 第42-52页 |
| 5.1 人脸划分 | 第42-43页 |
| 5.2 分类识别 | 第43-47页 |
| 5.2.1 两类可信度属性 Bagging 方法 | 第44-45页 |
| 5.2.2 多类可信度属性 Bagging 方法 | 第45-46页 |
| 5.2.3 基于图像划分的集成人脸识别方法 | 第46-47页 |
| 5.3 理论分析 | 第47-49页 |
| 5.4 实验及结果分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 基于特征融合的集成人脸识别方法 | 第52-58页 |
| 6.1 特征融合简介 | 第52-53页 |
| 6.2 全局特征与局部特征融合的集成人脸识别算法 | 第53-54页 |
| 6.3 实验及结果分析 | 第54-57页 |
| 6.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |