| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究人脸识别的背景和意义 | 第11页 |
| 1.2 人脸识别的发展历史及现状 | 第11-13页 |
| 1.2.1 历史发展过程 | 第11-12页 |
| 1.2.2 人脸识别研究现状 | 第12-13页 |
| 1.3 人脸识别技术的研究内容及应用领域 | 第13-14页 |
| 1.3.1 研究的内容 | 第13页 |
| 1.3.2 应用的领域 | 第13-14页 |
| 1.4 研究人脸识别的方法 | 第14-17页 |
| 1.4.1 局部特征的识别方法 | 第14-15页 |
| 1.4.2 基于整体特征的人脸识别方法 | 第15-17页 |
| 1.4.3 基于结合局部特征和整体特征的方法 | 第17页 |
| 1.5 本文的组织工作及内容安排 | 第17-19页 |
| 第二章 基于子空间的人脸识别方法 | 第19-29页 |
| 2.1 引言 | 第19-20页 |
| 2.2 主成分分析PCA | 第20-22页 |
| 2.2.1 提出特征提取概念 | 第20页 |
| 2.2.2 K-L变换 | 第20-21页 |
| 2.2.3 选取特征值 | 第21-22页 |
| 2.2.4 分类判别 | 第22页 |
| 2.3 基于经典PCA的人脸识别 | 第22-28页 |
| 2.3.1 基于PCA人脸识别算法的步骤 | 第23页 |
| 2.3.2 训练阶段 | 第23-25页 |
| 2.3.3 识别阶段 | 第25-26页 |
| 2.3.4 基于PCA人脸识别方法的实验分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于二维主成分分析(2DPCA)的人脸识别方法 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 二维主成分分析原理 | 第29-31页 |
| 3.3 右向和左向压缩二维主成分分析 | 第31-37页 |
| 3.3.1 右向压缩R2DPCA | 第31-33页 |
| 3.3.2 左向压缩L2DPCA | 第33-34页 |
| 3.3.3 双向压缩二维主成分分析RL2DPCA | 第34-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于模块2DPCA的人脸识别方法 | 第39-63页 |
| 4.1 模块二维主成分分析 | 第39-41页 |
| 4.2 M2DPCA和PCA融合的人脸识别方法 | 第41-47页 |
| 4.2.1 训练阶段 | 第41-42页 |
| 4.2.2 测试阶段 | 第42-44页 |
| 4.2.3 实验结果与分析 | 第44-47页 |
| 4.3 基于模块2DPCA的独立特征抽取方法 | 第47-52页 |
| 4.3.1 理论分析 | 第47-48页 |
| 4.3.2 训练阶段 | 第48-49页 |
| 4.3.3 识别过程 | 第49-52页 |
| 4.4 人脸识别算法的实现 | 第52-54页 |
| 4.4.1 人脸识别算法实现的工具 | 第52页 |
| 4.4.2 本文算法实现过程 | 第52-54页 |
| 4.5 实验结果与分析 | 第54-60页 |
| 4.6 本章小结 | 第60-63页 |
| 第五章 结论与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A 攻读硕士学位期间取得的学术成果 | 第71页 |