| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 非限定条件下一对多人脸识别研究的意义 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 2 人脸识别综述 | 第13-23页 |
| 2.1 人脸识别概述 | 第13-16页 |
| 2.1.1 人脸识别的类别 | 第13-15页 |
| 2.1.2 人脸识别的工作流程 | 第15-16页 |
| 2.2 人脸识别的主要方法 | 第16-21页 |
| 2.2.1 特征提取算法 | 第16-19页 |
| 2.2.2 识别分类器 | 第19-21页 |
| 2.3 性能评价标准 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于多尺度多关键点多描述子的多任务稀疏表示 | 第23-41页 |
| 3.1 引言 | 第23-24页 |
| 3.2 基于方向梯度直方图的特征提取算法 | 第24-28页 |
| 3.2.1 SIFT特征 | 第24-27页 |
| 3.2.2 HOG特征 | 第27-28页 |
| 3.3 多关键点多描述子-MKMD | 第28-29页 |
| 3.4 多尺度多关键点多描述子-MSMKMD | 第29-30页 |
| 3.5 基于稀疏表示的分类方法 | 第30-33页 |
| 3.5.1 稀疏表示 | 第30-32页 |
| 3.5.2 稀疏表示对噪声的鲁棒性 | 第32页 |
| 3.5.3 基于稀疏表示的分类方法 | 第32-33页 |
| 3.6 基于描述子的稀疏表示 | 第33-36页 |
| 3.6.1 稀疏字典的建立 | 第34页 |
| 3.6.2 多任务稀疏表示 | 第34-36页 |
| 3.7 实验设置与结果分析 | 第36-39页 |
| 3.7.1 实验设置 | 第36-37页 |
| 3.7.2 LFW人脸库上的实验 | 第37-38页 |
| 3.7.3 PubFig人脸库上的实验 | 第38-39页 |
| 3.7.4 结果分析 | 第39页 |
| 3.8 本章小结 | 第39-41页 |
| 4 基于多特征多分类器融合的人脸识别 | 第41-59页 |
| 4.1 引言 | 第41页 |
| 4.2 基于纹理的多特征融合 | 第41-48页 |
| 4.2.1 LBP特征,TPLBP特征,FPLBP特征 | 第41-47页 |
| 4.2.2 多特征融合 | 第47-48页 |
| 4.3 多层次分类 | 第48-55页 |
| 4.3.1 值分类的SVM | 第48-53页 |
| 4.3.2 多值分类的SVM | 第53页 |
| 4.3.3 基于瀑布流的分类框架 | 第53-55页 |
| 4.4 实验设置与结果分析 | 第55-57页 |
| 4.4.1 实验设置 | 第55-56页 |
| 4.4.2 LFW人脸库上的实验 | 第56页 |
| 4.4.3 PubFig人脸库上的实验 | 第56-57页 |
| 4.4.4 结果分析 | 第57页 |
| 4.5 本章小结 | 第57-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-69页 |
| 攻读学位期间主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |