| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 生物认证技术 | 第8-9页 |
| 1.2 人脸识别技术 | 第9-12页 |
| 1.2.1 应用背景 | 第9-10页 |
| 1.2.2 国内外研究现状 | 第10-11页 |
| 1.2.3 研究内容 | 第11-12页 |
| 1.3 人脸图像数据库 | 第12-14页 |
| 1.3.1 FERET人脸数据库 | 第12-13页 |
| 1.3.2 AR人脸数据库 | 第13页 |
| 1.3.4 Caltech人脸库 | 第13-14页 |
| 1.3.5 自建人脸库 | 第14页 |
| 1.4 本文的主要工作及内容安排 | 第14-16页 |
| 第2章 复杂背景下多人脸检测算法 | 第16-36页 |
| 2.1 人脸检测方法综述 | 第16-18页 |
| 2.1.1 基于知识的方法 | 第16-17页 |
| 2.1.2 基于特征不变量的方法 | 第17页 |
| 2.1.3 基于模板匹配的方法 | 第17-18页 |
| 2.1.4 基于学习的方法 | 第18页 |
| 2.2 基于Adaboost的人脸检测算法 | 第18-26页 |
| 2.2.1 Haar特征 | 第18-20页 |
| 2.2.2 积分图 | 第20-22页 |
| 2.2.3 训练分类器 | 第22-24页 |
| 2.2.4 多尺度检测与合并机制 | 第24-25页 |
| 2.2.5 基于Adaboost的人脸检测实验分析 | 第25-26页 |
| 2.3 基于肤色特征的彩色人脸检测 | 第26-30页 |
| 2.3.1 颜色空间 | 第26-27页 |
| 2.3.2 肤色模型 | 第27-29页 |
| 2.3.3 彩色图像人脸检测实验分析 | 第29-30页 |
| 2.4 基于灰度投影的灰度图像的人脸检测 | 第30-33页 |
| 2.4.1 积分投影 | 第30-31页 |
| 2.4.2 二值化 | 第31-32页 |
| 2.4.3 灰度图像人脸检测实验分析 | 第32-33页 |
| 2.5 人脸检测实验分析 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 人脸图像的预处理 | 第36-41页 |
| 3.1 人眼定位 | 第36-37页 |
| 3.2 几何归一化 | 第37-38页 |
| 3.3 灰度归一化 | 第38-39页 |
| 3.4 图像去噪 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 复杂背景下人脸识别算法 | 第41-54页 |
| 4.1 基于LBP的人脸识别算法 | 第41-46页 |
| 4.1.1 基本的LBP算子 | 第41-43页 |
| 4.1.2 基于PCA的LBP降维方法 | 第43-45页 |
| 4.1.3 基于分块LBP的人脸特征提取 | 第45-46页 |
| 4.2 基于Gabor滤波的人脸识别 | 第46-49页 |
| 4.2.1 Gabor变换 | 第47-48页 |
| 4.2.2 基于GDP的人脸识别 | 第48-49页 |
| 4.3 基于LGBP的人脸识别算法 | 第49-51页 |
| 4.4 人脸识别实验分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-55页 |
| 5.1 工作总结 | 第54页 |
| 5.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |