| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 人脸识别技术概述 | 第11-12页 |
| 1.1.1 什么是人脸识别 | 第11页 |
| 1.1.2 人脸识别的背景及意义 | 第11-12页 |
| 1.1.3 人脸识别的困难 | 第12页 |
| 1.2 人脸识别的历史与现状 | 第12-14页 |
| 1.3 本论文主要工作 | 第14-16页 |
| 1.3.1 课题研究目标及内容 | 第14-15页 |
| 1.3.2 论文各章内容安排 | 第15-16页 |
| 第二章 人脸分类系统的设计 | 第16-27页 |
| 2.1 系统构成 | 第16页 |
| 2.2 人脸检测及标准化 | 第16-21页 |
| 2.2.1 常用的人脸检测方法 | 第16-20页 |
| 2.2.2 本文的人脸检测方法 | 第20-21页 |
| 2.2.3 人脸图像的标准化 | 第21页 |
| 2.3 人脸特征提取 | 第21-24页 |
| 2.3.1 常用的特征提取方法 | 第21-23页 |
| 2.3.2 本文的特征提取方法 | 第23-24页 |
| 2.4 人脸特征的分类 | 第24-26页 |
| 2.4.1 常用的分类方法 | 第24-26页 |
| 2.4.2 本文的分类方法 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 人脸特征提取 | 第27-34页 |
| 3.1 主分量分析(PCA) | 第27-29页 |
| 3.1.1 主分量分析的基本思想 | 第27-28页 |
| 3.1.2 主分量分析算法的步骤 | 第28-29页 |
| 3.2 线性判别分析(LDA) | 第29-31页 |
| 3.2.1 线性判别分析的基本思想 | 第29页 |
| 3.2.2 线性判别分析算法的步骤 | 第29-30页 |
| 3.2.3 PCA 与LDA 的比较 | 第30-31页 |
| 3.3 基于子区域的特征提取方法 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 人脸分类算法 | 第34-46页 |
| 4.1 相关系数(Correlation) | 第34页 |
| 4.2 支持向量机(SVM) | 第34-40页 |
| 4.2.1 支持向量机的发展 | 第35页 |
| 4.2.2 支持向量机的基本原理 | 第35-39页 |
| 4.2.3 LIBSVM 软件介绍 | 第39-40页 |
| 4.3 AdaBoost 方法 | 第40-44页 |
| 4.3.1 AdaBoost 的发展 | 第40-41页 |
| 4.3.2 AdaBoost 算法流程 | 第41页 |
| 4.3.3 Discrete AdaBoost 算法 | 第41-42页 |
| 4.3.4 广义的Discrete AdaBoost 算法 | 第42-43页 |
| 4.3.5 Real AdaBoost 算法 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 实验与分析 | 第46-53页 |
| 5.1 五种分类解决方案 | 第46-48页 |
| 5.1.1 PCA+LDA+Correlation 方法 | 第46页 |
| 5.1.2 SVM 方法 | 第46-47页 |
| 5.1.3 PCA+LDA+SVM 方法 | 第47页 |
| 5.1.4 SVM+AdaBoost 方法 | 第47页 |
| 5.1.5 PCA+LDA+SVM+AdaBoost 方法 | 第47-48页 |
| 5.2 实验 | 第48-51页 |
| 5.2.1 人脸库 | 第48页 |
| 5.2.2 人脸图像预处理及人脸检测 | 第48-49页 |
| 5.2.3 五种分类方法的性能比较 | 第49-51页 |
| 5.3 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 主要结论 | 第53页 |
| 6.2 不足和展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间已发表或录用的论文 | 第61-63页 |
