| 表目录 | 第1-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-12页 |
| ·人脸识别研究的内容 | 第12页 |
| ·人脸识别特点及实现流程 | 第12-14页 |
| ·人脸检测流程 | 第13页 |
| ·人脸识别流程 | 第13-14页 |
| ·研究现状和前景 | 第14-18页 |
| ·人脸检测的主要方法 | 第15-16页 |
| ·人脸识别的主要方法 | 第16-17页 |
| ·人脸检测与识别的难点 | 第17-18页 |
| ·本文的主要工作与内容安排 | 第18-20页 |
| ·本文的主要工作 | 第18-19页 |
| ·本文各章内容安排 | 第19-20页 |
| 第二章 彩色图像的肤色区域分割 | 第20-34页 |
| ·引言 | 第20页 |
| ·颜色空间模型及其转换 | 第20-23页 |
| ·RGB空间 | 第20-21页 |
| ·YIQ颜色空间 | 第21页 |
| ·YCbCr颜色空间 | 第21-22页 |
| ·HSV颜色空间 | 第22-23页 |
| ·颜色空间的测试 | 第23-26页 |
| ·颜色分量的选取 | 第24页 |
| ·颜色空间的转换 | 第24-26页 |
| ·皮肤区域分割 | 第26-32页 |
| ·亮度补偿(Lighting Compensated) | 第27页 |
| ·彩色图像的阈值分割 | 第27-28页 |
| ·肤色分割阈值的优化 | 第28-30页 |
| ·基于优化阈值的图像二值化 | 第30页 |
| ·二值图像的形态学处理 | 第30-31页 |
| ·二值图像几何特征过滤 | 第31-32页 |
| ·实验结果及分析 | 第32页 |
| ·小结 | 第32-34页 |
| 第三章 基于支持向量机的人脸验证 | 第34-49页 |
| ·引言 | 第34页 |
| ·统计学习理论简介 | 第34-36页 |
| ·VC维(Vapnik-Chervonenkis Dimension) | 第34-35页 |
| ·结构风险最小化 | 第35-36页 |
| ·支持向量机 | 第36-41页 |
| ·线性可分SVM | 第36-38页 |
| ·线性不可分SVM | 第38-39页 |
| ·非线性SVM | 第39-41页 |
| ·常用的核函数 | 第41页 |
| ·支持向量机人脸验证模块 | 第41-45页 |
| ·SVM训练样本 | 第41-42页 |
| ·训练样本的分块 | 第42页 |
| ·人脸样本子图的DCT | 第42-44页 |
| ·SVM算法流程 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·小节 | 第48-49页 |
| 第四章 基于局部核主分量分析的人脸识别 | 第49-58页 |
| ·引言 | 第49页 |
| ·主分量分析理论 | 第49-50页 |
| ·核主分量分析算法 | 第50-54页 |
| ·常用的核函数 | 第53页 |
| ·KPCA算法流程 | 第53-54页 |
| ·核主分量分析的特性 | 第54页 |
| ·基于局部核主分量分析的人脸识别 | 第54-56页 |
| ·实验结果 | 第56-57页 |
| ·本章小节 | 第57-58页 |
| 第五章 人脸检测与识别MATLAB仿真系统 | 第58-60页 |
| 结束语 | 第60-62页 |
| 一、全文总结 | 第60-61页 |
| 二、展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录A 人脸数据库 | 第66-67页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第67-68页 |
| 致谢 | 第68页 |