| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·人脸检测与识别概述 | 第11-14页 |
| ·人脸检测与识别的范畴 | 第11页 |
| ·人脸检测与识别的分类 | 第11-12页 |
| ·人脸检测与识别的发展 | 第12-13页 |
| ·人脸检测与识别的相关技术领域 | 第13-14页 |
| ·人脸检测与识别的应用 | 第14页 |
| ·论文课题研究 | 第14-21页 |
| ·人脸检测与识别领域的若干研究热点 | 第15-16页 |
| ·论文主要研究内容 | 第16-18页 |
| ·论文主要研究成果 | 第18-19页 |
| ·论文内容组织 | 第19-21页 |
| 第二章 基于区域边缘方位场匹配的正面人脸检测 | 第21-39页 |
| ·引言 | 第22页 |
| ·人脸检测算法概述 | 第22-26页 |
| ·人脸检测问题描述 | 第22-23页 |
| ·人脸检测算法的分类 | 第23-26页 |
| ·区域边缘方位场特征 | 第26-28页 |
| ·基于Real AdaBoost获取人脸模式 | 第28-31页 |
| 2 4 1 Real AdaBoost算法 | 第28-29页 |
| ·学习获取人脸模式 | 第29-31页 |
| ·构造级联式人脸检测器 | 第31-32页 |
| ·快速图像搜索 | 第32页 |
| ·人脸验证 | 第32-33页 |
| ·实验及其结果 | 第33-38页 |
| ·样本选择 | 第33-35页 |
| ·实验参数以及实验结果 | 第35-38页 |
| ·实验结果分析 | 第38页 |
| ·小结 | 第38-39页 |
| 第三章 基于协作AdaBoost算法的多特征多姿态人脸检测 | 第39-51页 |
| ·引言 | 第40-41页 |
| ·Co-Adaboost多特征融合 | 第41-44页 |
| ·特征选择 | 第41-42页 |
| ·Co-AdaBoost算法 | 第42-44页 |
| ·多姿态人脸检测 | 第44-46页 |
| ·姿态角度 | 第44页 |
| ·金字塔型分类器系统结构 | 第44-46页 |
| ·图像的多分辨率搜索与人脸验证 | 第46页 |
| ·实验 | 第46-48页 |
| ·样本选择 | 第46-47页 |
| ·实验参数设置与实验结果 | 第47-48页 |
| ·小结 | 第48-51页 |
| 第四章 基于分级边缘方位场匹配的人脸特征定位 | 第51-63页 |
| ·引言 | 第52-53页 |
| ·基于结构Hausdoff距离的边缘方位场匹配 | 第53-55页 |
| ·边缘方位场提取 | 第53页 |
| ·Hausdoff距离测度 | 第53-54页 |
| ·结构Hausdoff距离测度 | 第54-55页 |
| ·基于HEOFM的特征定位 | 第55-57页 |
| ·基于GEOFM的特征粗定位 | 第56-57页 |
| ·基于FEOFM的特征精确定位 | 第57页 |
| ·实验 | 第57-60页 |
| ·训练样本选择 | 第57-58页 |
| ·实验参数设置与实验结果 | 第58-59页 |
| ·实验结果分析 | 第59-60页 |
| ·小结 | 第60-63页 |
| 第五章 基于非线性流形学习的人脸姿态估计 | 第63-75页 |
| ·引言 | 第64-65页 |
| ·图像姿态关系函数表达 | 第65-68页 |
| ·线性子空间模型 | 第65-66页 |
| ·基于Isomap的非线性流形映射模型 | 第66-68页 |
| ·非线性流形上姿态估计算法 | 第68-69页 |
| ·姿态角变量 | 第68页 |
| ·特征对齐校正处理 | 第68-69页 |
| ·姿态估计算法流程 | 第69页 |
| ·实验 | 第69-74页 |
| ·训练样本处理 | 第69-71页 |
| ·实验参数设置与实验结果 | 第71-73页 |
| ·实验结果分析 | 第73-74页 |
| ·小结 | 第74-75页 |
| 第六章 基于关联子区域映射的多姿态人脸识别 | 第75-93页 |
| ·引言 | 第76页 |
| ·子区域姿态补偿 | 第76-79页 |
| ·直接SSD法 | 第77-78页 |
| ·关联子区域方法 | 第78-79页 |
| ·二维耦合成分分析 | 第79-84页 |
| ·特征转换(Eigen-transformation，ET)法 | 第80页 |
| ·一维耦合成分分析 | 第80-81页 |
| ·二维耦合成分分析 | 第81-84页 |
| ·多姿态人脸识别算法 | 第84-87页 |
| ·姿态估计 | 第84页 |
| ·关联子区域映射 | 第84-86页 |
| ·基于贝叶斯框架的子区域集成分类算法 | 第86-87页 |
| ·实验 | 第87-91页 |
| ·PICS上的实验 | 第87-89页 |
| ·HPID上的实验 | 第89-91页 |
| ·小结 | 第91-93页 |
| 第七章 基于非线性流形判别分析的人脸识别 | 第93-117页 |
| ·引言 | 第94页 |
| ·基于重构的流形学习算法概述 | 第94-99页 |
| ·LLE算法 | 第95-96页 |
| ·Isomap算法 | 第96-97页 |
| ·Laplacian Eigenmap | 第97-98页 |
| ·小结 | 第98-99页 |
| ·用于分类的扩展流形学习算法 | 第99-104页 |
| ·扩展Isomap方法 | 第99-101页 |
| ·LDE算法 | 第101-102页 |
| ·S-Isomap算法 | 第102-103页 |
| ·小结 | 第103-104页 |
| ·基于测地Gabriel图的非线性流形判别分析 | 第104-110页 |
| ·测地Gabriel图 | 第104-106页 |
| ·基于GGG的局部判别分析 | 第106-108页 |
| ·局部判别器融合算法 | 第108-109页 |
| ·人工合成数据集上的实验 | 第109-110页 |
| ·基于非线性流形判别分析的人脸识别 | 第110-114页 |
| ·人脸图像的非线性流形建模 | 第110-112页 |
| ·非线性流形判别分析的多分类器问题扩展 | 第112-113页 |
| ·非线性流形上人脸识别 | 第113-114页 |
| ·小结 | 第114-117页 |
| 第八章 总结与工作展望 | 第117-119页 |
| ·论文工作总结 | 第117页 |
| ·工作展望 | 第117-119页 |
| 参考文献 | 第119-130页 |
| 攻读博士学位期间发表(录用)的学术论文 | 第130-131页 |
| 致谢 | 第131页 |