| Innovation | 第3-4页 |
| Abstract | 第4-6页 |
| 摘要 | 第7-13页 |
| Chapter 1 Introduction to face recognition | 第13-23页 |
| 1.1 Introduction | 第13页 |
| 1.2 Background and significance of the subject | 第13-15页 |
| 1.3 Challenges of face recognition | 第15-18页 |
| 1.3.1 Illumination variation challenges | 第16页 |
| 1.3.2 Pose variation problems | 第16-17页 |
| 1.3.3 Facial Expression variation challenge | 第17页 |
| 1.3.4 Variations due to Structural components | 第17-18页 |
| 1.4 Research Status at Home and Abroad | 第18-19页 |
| 1.5 The structure and content of the paper | 第19-20页 |
| 1.6 Summary | 第20-23页 |
| Chapter 2 A generic overview of Face Recognition system | 第23-33页 |
| 2.1 Image acquisition | 第25页 |
| 2.2 Face Detection | 第25-26页 |
| 2.2.1 Challenges in Face detection | 第25-26页 |
| 2.2.1.1 Pose Variation | 第25-26页 |
| 2.2.1.2 Angle of imaging | 第26页 |
| 2.2.1.3 Face occlusion issues | 第26页 |
| 2.2.3 Face detection methods | 第26页 |
| 2.2.3.1 Knowledge based method | 第26页 |
| 2.2.3.2 Template matching method | 第26页 |
| 2.2.3.3 Appearance based method | 第26页 |
| 2.3 Preprocessing on facial Images | 第26-27页 |
| 2.4 Features extraction | 第27-29页 |
| 2.4.1 Appearance based methods for face recognition | 第27-28页 |
| 2.4.2 Feature based face recognition methods | 第28页 |
| 2.4.3 AI methods for face recognition | 第28页 |
| 2.4.4 Hybrid methods | 第28-29页 |
| 2.5 Dimensionality Reduction | 第29页 |
| 2.6 Image Classification | 第29-31页 |
| 2.6.1 Similarity based Classifiers | 第29-30页 |
| 2.6.2 Probability based Classifiers | 第30页 |
| 2.6.3 Decision boundaries classifiers | 第30-31页 |
| 2.7 Summary | 第31-33页 |
| Chapter 3 Recent approaches to Face Recognition | 第33-43页 |
| 3.1 Principal Component Analysis | 第35-38页 |
| 3.2 Linear Discriminant Analysis | 第38-39页 |
| 3.3 Extensions of PCA and LDA | 第39页 |
| 3.4 Elastic bunch graph matching | 第39-41页 |
| 3.5 Artificial neural networks for face recognition | 第41页 |
| 3.6 Al extensions for face recognition | 第41-42页 |
| 3.7 Summary | 第42-43页 |
| CHAPTER 4 Local binary pattern and its extensions | 第43-53页 |
| 4.1 Basic shape of LBP and its derivation | 第43-45页 |
| 4.2 Detection of different texture primitives by LBP | 第45-46页 |
| 4.3 Uniformity in LBP | 第46-47页 |
| 4.4 Rotationally Invariant Local binary pattern | 第47-48页 |
| 4.5 Multi-scale and multi-block local binary pattern | 第48-50页 |
| 4.5.1 Over-complete local binary pattern (OC-LBP) | 第49页 |
| 4.5.2 Statistically effective MB-LBP | 第49-50页 |
| 4.6 Robust Local Binary Pattern | 第50-52页 |
| 4.6.1 Local ternary pattern | 第50-52页 |
| 4.6.2 Soft Local binary pattern | 第52页 |
| 4.7 Summary | 第52-53页 |
| Chapter 5 Face recognition with Local binary pattern | 第53-63页 |
| 5.1 Earlier contribution of LBP to face recognition | 第53-54页 |
| 5.2 Design of proposed method for face recognition | 第54-60页 |
| 5.2.1 Selection of appropriate LBP method | 第54-57页 |
| 5.2.2 Feature vector | 第57-58页 |
| 5.2.3 Comparison of feature vector | 第58-60页 |
| 5.3 Performance measuring criteria | 第60-61页 |
| 5.3.1 Performance of an identification system | 第60页 |
| 5.3.2 Performance of a verification system | 第60-61页 |
| 5.3.2.1 False Rejection FR (False-Rejection) | 第60页 |
| 5.3.2.2 False Acceptance FA (False-Acceptance) | 第60-61页 |
| 5.3.3 Graphical representation of performance | 第61页 |
| 5.4 Summary | 第61-63页 |
| Chapter 6 Experiments and result | 第63-79页 |
| 6.1 Experimental Design | 第63-65页 |
| 6.1.1 FERET database | 第63-65页 |
| 6.1.2 Pre-processing step | 第65页 |
| 6.1.3 Algorithm implementation | 第65页 |
| 6.2 Parameters used for LBP | 第65-68页 |
| 6.2.1 Selection of LBP | 第65-67页 |
| 6.2.2 Size of the regions | 第67页 |
| 6.2.3 Assigning weights to the regions | 第67-68页 |
| 6.3 Results | 第68-71页 |
| 6.4 Proposed extensions and improvements | 第71-75页 |
| 6.4.1 Neighborhood expansion | 第71-73页 |
| 6.4.2 Regional weight adjustment | 第73页 |
| 6.4.3 Feature vector length reduction using PCA | 第73-75页 |
| 6.5 Conclusion and Recommendation | 第75-79页 |
| 6.5.1 Conclusion | 第76页 |
| 6.5.2 Recommendations | 第76-79页 |
| References | 第79-85页 |
| Acknowledgements | 第85页 |
