| 第一章 绪论 | 第1-20页 |
| ·概述 | 第12-14页 |
| ·介绍 | 第12-13页 |
| ·人脸识别的应用 | 第13-14页 |
| ·人脸识别的研究范围 | 第14-17页 |
| ·人脸检测和定位 | 第14-16页 |
| ·特征提取和识别 | 第16-17页 |
| ·人脸识别研究现状 | 第17-19页 |
| ·人脸识别技术的发展 | 第17页 |
| ·国内研究现状 | 第17-18页 |
| ·目前比较流行的人脸识别方法 | 第18-19页 |
| ·本文的主要工作 | 第19页 |
| ·本文各章节内容的安排 | 第19-20页 |
| 第二章 人脸图像的预处理 | 第20-28页 |
| ·前言 | 第20页 |
| ·几何校正 | 第20-21页 |
| ·灰度处理 | 第21-27页 |
| ·彩色图像转变为灰度图像 | 第22页 |
| ·滤波 | 第22-23页 |
| ·光照处理 | 第23-26页 |
| ·人脸图像的二值化 | 第26-27页 |
| ·遮挡处理 | 第27页 |
| ·人脸图像预处理流程图 | 第27-28页 |
| 第三章 基于本征空间的人脸识别方法 | 第28-45页 |
| ·概述 | 第28页 |
| ·基于PCA的人脸识别方法 | 第28-35页 |
| ·PCA原理 | 第28-31页 |
| ·本征脸的计算 | 第31-32页 |
| ·利用本征脸进行人脸分类 | 第32-33页 |
| ·待识别图像的处理 | 第33页 |
| ·本征脸识别过程 | 第33页 |
| ·常用分类器 | 第33-35页 |
| ·基于本征脸的人脸识别实验 | 第35-38页 |
| ·训练 | 第35-36页 |
| ·识别 | 第36-38页 |
| ·实验结果 | 第38页 |
| ·改进的基于本征脸的多姿态人脸识别方法 | 第38-41页 |
| ·概述 | 第38-39页 |
| ·改进的基于本征脸的多姿态人脸识别方法 | 第39-40页 |
| ·实验结果 | 第40-41页 |
| ·实验结论 | 第41页 |
| ·其他本征空间人脸识别方法 | 第41-45页 |
| ·LDA | 第41-42页 |
| ·ICA | 第42-45页 |
| 第四章 统计学习理论和支持向量机 | 第45-57页 |
| ·概述 | 第45页 |
| ·机器学习问题 | 第45-46页 |
| ·统计学习理论 | 第46-48页 |
| ·核心内容 | 第46页 |
| ·学习过程一致性的条件 | 第46-47页 |
| ·VC维 | 第47页 |
| ·推广性的界 | 第47-48页 |
| ·结构风险最小化 | 第48页 |
| ·支持向量机 | 第48-57页 |
| ·概述 | 第48页 |
| ·基础理论 | 第48-52页 |
| ·最优分类超平面训练过程 | 第52页 |
| ·利用支持向量机进行多类别分类 | 第52-57页 |
| 第五章 基于delphi和matlab的人脸识别系统的实现 | 第57-68页 |
| ·引言 | 第57页 |
| ·人脸数据库的建立 | 第57-61页 |
| ·方案设计 | 第57-58页 |
| ·实现过程 | 第58-61页 |
| ·识别系统的实现 | 第61-67页 |
| ·识别系统框图 | 第61-62页 |
| ·算法的matlab实现框图 | 第62页 |
| ·LIBSVM软件包 | 第62-64页 |
| ·delphi和matlab的交互 | 第64-65页 |
| ·训练过程 | 第65-66页 |
| ·识别过程 | 第66-67页 |
| ·系统的实验结果 | 第67页 |
| ·结论 | 第67-68页 |
| 第六章 结束语 | 第68-71页 |
| ·本文总结 | 第68-69页 |
| ·人脸识别技术展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间己发表和录用的文章及参与的科研项目 | 第77页 |