| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-17页 |
| 第1章 绪论 | 第17-34页 |
| ·研究背景和意义 | 第17-27页 |
| ·研究背景 | 第17-19页 |
| ·生物特征识别技术 | 第19-24页 |
| ·人脸识别作为生物特征识别方法的优势和不足 | 第24-25页 |
| ·研究意义 | 第25-27页 |
| ·本文研究的方法与内容 | 第27-31页 |
| ·人脸识别研究的主要内容 | 第27-29页 |
| ·本文的研究目标 | 第29-30页 |
| ·本文的研究方法和研究内容 | 第30-31页 |
| ·本文的内容结构 | 第31-34页 |
| 第2章 人脸检测和识别方法综述 | 第34-49页 |
| ·引言 | 第34页 |
| ·人脸检测问题 | 第34-35页 |
| ·人脸检测的研究历史和国内外研究现状 | 第35页 |
| ·人脸检测的主要技术方法 | 第35-41页 |
| ·基于知识的方法 | 第35-37页 |
| ·基于特征的方法 | 第37-39页 |
| ·模板匹配方法 | 第39页 |
| ·基于外观的方法 | 第39-40页 |
| ·小结 | 第40-41页 |
| ·人脸识别问题 | 第41页 |
| ·人脸识别的研究历史和国内外研究现状 | 第41-43页 |
| ·人脸识别的主要技术方法 | 第43-48页 |
| ·基于几何特征的方法 | 第43-44页 |
| ·模板匹配(静态匹配和弹性匹配)方法 | 第44-45页 |
| ·特征子空间方法(特征脸方法) | 第45-46页 |
| ·隐马尔科夫方法 | 第46页 |
| ·神经网络方法 | 第46-47页 |
| ·弹性图匹配方法 | 第47页 |
| ·柔性模型方法 | 第47-48页 |
| ·小结 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第3章 基于肤色信息的人脸检测 | 第49-78页 |
| ·引言 | 第49-51页 |
| ·人脸检测常用的几种彩色空间 | 第51-55页 |
| ·RGB彩色空间 | 第51-52页 |
| ·标准化rgb彩色空间 | 第52页 |
| ·HSV彩色空间 | 第52-53页 |
| ·YIQ彩色空间 | 第53-54页 |
| ·CIE Luv及CIE Lab彩色空间 | 第54-55页 |
| ·YCrCb彩色空间 | 第55页 |
| ·YCgCr彩色空间 | 第55页 |
| ·肤色模型的分类 | 第55-57页 |
| ·区域模型 | 第56页 |
| ·直方图模型 | 第56页 |
| ·简单高斯模型 | 第56-57页 |
| ·混合高斯模型 | 第57页 |
| ·光线补偿处理 | 第57-58页 |
| ·基于YCgCr颜色空间和图像空间信息的肤色分割 | 第58-69页 |
| ·肤色模型的建立 | 第59-63页 |
| ·肤色相似度计算 | 第63-64页 |
| ·结合空间信息的图像阈值动态分割 | 第64-69页 |
| ·人脸候选区域 | 第69-71页 |
| ·肤色分割图像的预处理 | 第70页 |
| ·连通体分析 | 第70-71页 |
| ·候选人脸区域的细检与验证 | 第71-73页 |
| ·使用欧拉数筛选人脸候选区域 | 第71页 |
| ·利用眼睛筛选人脸候选区域 | 第71-73页 |
| ·人脸检测算法流程 | 第73-74页 |
| ·实验及分析 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 第4章 基于两空间鉴别分析的小样本人脸识别 | 第78-110页 |
| ·引言 | 第78-79页 |
| ·主元分析和线性鉴别分析 | 第79-85页 |
| ·主元分析 | 第79-81页 |
| ·线性鉴别分析 | 第81-85页 |
| ·小样本的人脸识别问题 | 第85-91页 |
| ·扰动法 | 第86页 |
| ·伪逆法 | 第86-87页 |
| ·Fisherfaces方法 | 第87-89页 |
| ·EFM方法 | 第89-90页 |
| ·DLDA方法 | 第90页 |
| ·NLDA方法 | 第90-91页 |
| ·新的线性鉴别分析方法:基于两空间鉴别分析的人脸识别(TLDA) | 第91-94页 |
| ·总体散布矩阵的非零空间 | 第92页 |
| ·鉴别向量确定 | 第92-93页 |
| ·鉴别特征提取 | 第93-94页 |
| ·两空间线性鉴别分析方法的非线性拓展 | 第94-101页 |
| ·核方法的基本思想 | 第94-95页 |
| ·常用的核函数 | 第95-97页 |
| ·特征空间 | 第97-98页 |
| ·KPCA方法 | 第98-99页 |
| ·基于两空间的核鉴别分析方法(TKDA) | 第99-101页 |
| ·实验与分析 | 第101-108页 |
| ·TLDA方法的最优投影轴数 | 第101-102页 |
| ·TLDA方法的最优融合系数 | 第102页 |
| ·TLDA方法与其他方法的识别率比较 | 第102-103页 |
| ·不同样本数对TLDA方法识别率的影响 | 第103-105页 |
| ·TKDA方法的最优投影轴数和最优融合系数 | 第105-107页 |
| ·TKDA方法的识别率 | 第107-108页 |
| ·样本在TKDA方法最优鉴别平面上的分布 | 第108页 |
| ·本章小结 | 第108-110页 |
| 第5章 光照变化下的人脸识别 | 第110-132页 |
| ·引言 | 第110-112页 |
| ·光照条件规范化方法 | 第112-114页 |
| ·Gamma灰度校正(GIC) | 第113页 |
| ·直方图均衡化 | 第113页 |
| ·标准化 | 第113-114页 |
| ·基于局部标准化的人脸图像规范化模型 | 第114-122页 |
| ·Lambert反射模型 | 第114页 |
| ·一种新的人脸图像规范化模型 | 第114-118页 |
| ·实验与分析 | 第118-122页 |
| ·小结 | 第122页 |
| ·基于对数域离散余弦变换的光照条件规范化模型 | 第122-131页 |
| ·对数变换 | 第122-123页 |
| ·离散余弦变换 | 第123-125页 |
| ·光照补偿 | 第125-127页 |
| ·实验与分析 | 第127-131页 |
| ·本章小结 | 第131-132页 |
| 第6章 三维人脸识别技术的研究 | 第132-154页 |
| ·引言 | 第132页 |
| ·三维人脸识别方法简介 | 第132-140页 |
| ·基于曲率的方法 | 第133-134页 |
| ·基于模型拟合及合成的方法 | 第134-137页 |
| ·基于形状表征的方法 | 第137-139页 |
| ·其它方法 | 第139-140页 |
| ·三维人脸数据获取技术 | 第140-143页 |
| ·一种使用3D模型识别2D图像的人脸识别新方法 | 第143-150页 |
| ·3D数据的获取与3D人脸模型的建立 | 第144-145页 |
| ·三维模型的二维投影 | 第145-149页 |
| ·2D图像之间的匹配 | 第149-150页 |
| ·实验与分析 | 第150-153页 |
| ·使用BJUT-3D数据库进行实验 | 第150-151页 |
| ·使用自己建立的数据库进行实验 | 第151-153页 |
| ·本章小结 | 第153-154页 |
| 第7章 总结与展望 | 第154-158页 |
| ·研究回顾与总结 | 第154-156页 |
| ·未来工作展望 | 第156-158页 |
| 参考文献 | 第158-180页 |
| 附录 | 第180-185页 |
| 攻读博士学位期间主要参加和完成的科研任务 | 第185页 |
| 攻读博士学位期间撰写和发表的科技论文 | 第185-188页 |
| 致谢 | 第188页 |