| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·课题研究现状 | 第10-14页 |
| ·安防系统中人脸识别技术研究现状 | 第10-12页 |
| ·基于稀疏表示的人脸识别技术研究现状 | 第12-14页 |
| ·本文的主要内容 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 安防系统中身份识别核心技术 | 第16-26页 |
| ·安防系统中所涉及的核心子系统简介 | 第16-17页 |
| ·门禁子系统中所涉及的身份识别技术 | 第17-24页 |
| ·传统身份识别技术 | 第17-21页 |
| ·人脸识别技术 | 第21-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 安防系统中人脸识别关键技术 | 第26-40页 |
| ·人脸特征提取 | 第26-31页 |
| ·主成分分析(Principal Component Analysis,PCA) | 第26-27页 |
| ·线性鉴别分析(Linear Discriminant Analysis,LDA) | 第27-29页 |
| ·局部保持投影(Locality Preserving Projections,LPP) | 第29-30页 |
| ·其它方法 | 第30-31页 |
| ·人脸分类算法 | 第31-34页 |
| ·SVM算法 | 第31-34页 |
| ·K最邻近算法 | 第34页 |
| ·人脸检测算法 | 第34-36页 |
| ·AdaBoost算法 | 第34-36页 |
| ·人脸识别评价指标 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于稀疏表示的人脸识别技术研究 | 第40-50页 |
| ·问题描述 | 第40-41页 |
| ·稀疏表示理论 | 第41-45页 |
| ·字典设计 | 第41-42页 |
| ·稀疏系数求解 | 第42-45页 |
| ·基于L1/2范数的稀疏表示 | 第45-46页 |
| ·L1/2范数的稀疏表示模型 | 第45页 |
| ·L1/2范数的稀疏表示系数求解 | 第45-46页 |
| ·稀疏表示理论中相关分类算法 | 第46-47页 |
| ·最小残差法 | 第46-47页 |
| ·权重系数法 | 第47页 |
| ·实验步骤 | 第47-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于稀疏表示的安防人脸识别系统设计与实现 | 第50-58页 |
| ·系统设计和功能 | 第50-52页 |
| ·系统实现与操作 | 第52-57页 |
| ·开发环境与工具 | 第52页 |
| ·实现与界面 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 本文工作总结 | 第58页 |
| 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-68页 |
| 致谢 | 第68页 |
