| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 主要符号对照表 | 第15-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状与分析 | 第17-23页 |
| 1.2.1 人脸检测和识别技术发展历史 | 第17-19页 |
| 1.2.2 关键技术及存在的问题 | 第19-23页 |
| 1.3 本文研究内容及结构安排 | 第23-26页 |
| 第二章 区域相似性人脸检测方法 | 第26-44页 |
| 2.1 引言 | 第26-27页 |
| 2.2 相关理论基础 | 第27-31页 |
| 2.2.1 感兴趣区域提取方法 | 第27-28页 |
| 2.2.2 有选择性搜索的物体识别 | 第28-31页 |
| 2.3 区域相似性人脸检测方法 | 第31-39页 |
| 2.3.1 帧间关键信息提取 | 第31-33页 |
| 2.3.2 人脸搜索窗口选取 | 第33-34页 |
| 2.3.3 ICS-LBP纹理提取算子 | 第34-35页 |
| 2.3.4 区域相似性人脸检测方法 | 第35-37页 |
| 2.3.5 窗口融合方法 | 第37-39页 |
| 2.4 性能测试 | 第39-42页 |
| 2.4.1 ICS-LBP算法性能测试 | 第40-41页 |
| 2.4.2 区域相似性人脸检测模型性能测试 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第三章 基于流形约束KSVD的人脸识别 | 第44-68页 |
| 3.1 引言 | 第44-45页 |
| 3.2 经典的流形学习方法概述 | 第45-49页 |
| 3.2.1 等距映射算法(ISOMAP) | 第46页 |
| 3.2.2 局部线性嵌入算法(LLE) | 第46-47页 |
| 3.2.3 局部切空间对齐算法(LTSA) | 第47-48页 |
| 3.2.4 基于多层神经网络的自编码算法(MA) | 第48-49页 |
| 3.3 MC-KSVD字典学习方法 | 第49-55页 |
| 3.3.1 MC-KSVD的数学模型 | 第49-52页 |
| 3.3.2 MC-KSVD的优化过程 | 第52-55页 |
| 3.4 基于MC-KSVD的数据降维和重构及分类方法 | 第55-58页 |
| 3.4.1 基于MC-KSVD的数据降维 | 第55-56页 |
| 3.4.2 基于MC-KSVD的数据重构 | 第56-57页 |
| 3.4.3 基于MC-KSVD的数据分类 | 第57-58页 |
| 3.5 实验及结果分析 | 第58-66页 |
| 3.5.1 参数设置 | 第58-59页 |
| 3.5.2 数据降维实验 | 第59-62页 |
| 3.5.3 数据重构实验 | 第62-64页 |
| 3.5.4 分类识别实验 | 第64-66页 |
| 3.6 小结 | 第66-68页 |
| 第四章 面向小样本的稀疏人脸识别方法 | 第68-96页 |
| 4.1 引言 | 第68-69页 |
| 4.2 稀疏重构算法 | 第69-73页 |
| 4.2.1 IHT算法 | 第69-70页 |
| 4.2.2 改进的IHT算法 | 第70-73页 |
| 4.3 IIHT-KSVD及IJSR分类算法 | 第73-83页 |
| 4.3.1 IIHT-KSVD算法的数学模型 | 第73-76页 |
| 4.3.2 IIHT-KSVD算法的优化过程 | 第76-78页 |
| 4.3.3 IJSR分类模型 | 第78-81页 |
| 4.3.4 重构和分类策略 | 第81-83页 |
| 4.4 实验及结果分析 | 第83-94页 |
| 4.4.1 参数设置 | 第83-85页 |
| 4.4.2 IIHT算法性能分析 | 第85-87页 |
| 4.4.3 字典重构实验 | 第87-88页 |
| 4.4.4 不同数据集上的识别性能比较 | 第88-93页 |
| 4.4.5 不同样本下的字典学习方法性能比较 | 第93-94页 |
| 4.5 小结 | 第94-96页 |
| 第五章 基于多特征融合的多角度人脸识别方法 | 第96-124页 |
| 5.1 引言 | 第96-97页 |
| 5.2 方法的整体框架 | 第97-98页 |
| 5.3 人脸特征提取 | 第98-104页 |
| 5.3.1 全局特征提取 | 第98-100页 |
| 5.3.2 局部特征提取 | 第100-103页 |
| 5.3.3 特征融合 | 第103-104页 |
| 5.4 人脸特征识别 | 第104-114页 |
| 5.4.1 经典的分类器设计 | 第104-109页 |
| 5.4.2 K-MSRC分类算法 | 第109-114页 |
| 5.5 实验及结果分析 | 第114-121页 |
| 5.5.1 参数设置 | 第115-117页 |
| 5.5.2 人脸特征描述方法的性能比较 | 第117-118页 |
| 5.5.3 K-MSRC分类器性能比较 | 第118-121页 |
| 5.6 小结 | 第121-124页 |
| 第六章 面向多样本的稀疏人脸识别方法 | 第124-146页 |
| 6.1 引言 | 第124-125页 |
| 6.2 基于流形约束卷积稀疏编码的特征提取 | 第125-132页 |
| 6.2.1 CSC特征描述 | 第125-126页 |
| 6.2.2 MC-CSC特征描述 | 第126-129页 |
| 6.2.3 MC-CSC的优化过程 | 第129-132页 |
| 6.3 基于改进相关滤波器的分类识别 | 第132-140页 |
| 6.3.1 经典的相关滤波器 | 第132-136页 |
| 6.3.2 改进的相关滤波分类器 | 第136-140页 |
| 6.4 实验及结果分析 | 第140-145页 |
| 6.4.1 参数设置 | 第140页 |
| 6.4.2 CSC与MC-CSC的性能比较 | 第140-144页 |
| 6.4.3 不同数据集上的识别性能比较 | 第144-145页 |
| 6.5 小结 | 第145-146页 |
| 第七章 总结与展望 | 第146-150页 |
| 7.1 总结 | 第146-147页 |
| 7.2 展望 | 第147-150页 |
| 参考文献 | 第150-162页 |
| 作者在攻读博士学位期间公开发表的论文 | 第162-164页 |
| 作者在攻读博士学位期间所作的项目 | 第164-166页 |
| 致谢 | 第166-167页 |