| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·本文的研究内容及论文组织 | 第13-15页 |
| 第二章 基于人脸识别的双因素身份认证系统的总体设计 | 第15-24页 |
| ·身份认证技术 | 第15-17页 |
| ·身份认证的基本需求 | 第15-16页 |
| ·身份认证方式 | 第16-17页 |
| ·人脸识别过程 | 第17-20页 |
| ·人脸检测 | 第18页 |
| ·人脸识别 | 第18-20页 |
| ·基于人脸识别的双因素身份认证系统的设计 | 第20-23页 |
| ·需求分析 | 第21-22页 |
| ·系统结构 | 第22-23页 |
| ·系统工作流程 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 人脸检测和特征提取算法的设计 | 第24-39页 |
| ·rg肤色空间 | 第24-25页 |
| ·人脸图像的拍摄要求 | 第25页 |
| ·基于肤色的人脸区域分割 | 第25-31页 |
| ·光线补偿处理 | 第26页 |
| ·相似度计算 | 第26-27页 |
| ·二值化人脸图像 | 第27-28页 |
| ·去噪声处理 | 第28-29页 |
| ·积分投影图 | 第29-30页 |
| ·人脸区域分割 | 第30-31页 |
| ·人脸轮廓提取 | 第31-34页 |
| ·轮廓跟踪算法 | 第31-32页 |
| ·人脸轮廓提取 | 第32-34页 |
| ·人脸特征的检测 | 第34-38页 |
| ·Sobel微分算子 | 第34-35页 |
| ·膨胀 | 第35-36页 |
| ·眼睛的标定 | 第36-37页 |
| ·鼻子的标定 | 第37-38页 |
| ·嘴巴的标定 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于支持向量机的人脸识别 | 第39-56页 |
| ·统计学习理论 | 第39-43页 |
| ·机器学习 | 第39-40页 |
| ·经验风险和期望风险最小化 | 第40-41页 |
| ·VC维数 | 第41-42页 |
| ·结构风险最小化 | 第42-43页 |
| ·支持向量机 | 第43-53页 |
| ·最优分类面 | 第44-45页 |
| ·广义最优分类面 | 第45-46页 |
| ·支持向量机 | 第46-49页 |
| ·支持向量机训练算法 | 第49-51页 |
| ·多类模式分类支持向量机 | 第51-53页 |
| ·基于支持向量机的人脸识别 | 第53-55页 |
| ·人脸识别流程 | 第53-54页 |
| ·实验结果与分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于人脸识别的双因素身份认证系统的实现 | 第56-64页 |
| ·开发环境 | 第56页 |
| ·系统关键技术实现 | 第56-59页 |
| ·人脸检测和特征提取 | 第56-57页 |
| ·人脸识别 | 第57页 |
| ·数据库设计 | 第57-59页 |
| ·系统操作流程 | 第59-61页 |
| ·注册操作流程 | 第59页 |
| ·认证操作流程 | 第59-61页 |
| ·系统主要界面 | 第61-62页 |
| ·系统优缺点 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| ·本文主要研究工作 | 第64页 |
| ·本文的主要创新点 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间主要的研究成果 | 第72页 |