| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 本文研究的目的与意义 | 第10-11页 |
| 1.2 人脸识别研究的国内外现状 | 第11-13页 |
| 1.3 人脸识别技术的应用 | 第13页 |
| 1.4 神经网络在人脸识别方面的发展 | 第13-14页 |
| 1.5 人脸图像库 | 第14-16页 |
| 1.5.1 Yale人脸库 | 第14-15页 |
| 1.5.2 ORL人脸库 | 第15页 |
| 1.5.3 AR人脸库 | 第15-16页 |
| 1.6 本文主要研究内容 | 第16-17页 |
| 第2章 基于Haar-like的人脸检测原理及预处理 | 第17-27页 |
| 2.1 基于Haar-like特征的人脸检测 | 第17-18页 |
| 2.2 人脸图像预处理 | 第18-26页 |
| 2.2.1 灰度化处理 | 第19页 |
| 2.2.2 去噪处理 | 第19-21页 |
| 2.2.3 人脸校正处理 | 第21-22页 |
| 2.2.4 归一化 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于类别模式的人脸特征提取 | 第27-39页 |
| 3.1 基于LBP的特征提取 | 第27-28页 |
| 3.2 基于PCA的特征提取 | 第28-31页 |
| 3.2.1 PCA的基本思想 | 第28页 |
| 3.2.2 PCA的算法原理 | 第28-30页 |
| 3.2.3 基于类别模式的方法研究 | 第30-31页 |
| 3.3 特征提取算法的性能分析 | 第31-38页 |
| 3.3.1 基于ORL和YALE库的三种算法性能分析 | 第31-36页 |
| 3.3.2 基于AR库三种算法性能分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于BP神经网络的分类识别 | 第39-53页 |
| 4.1 模式识别分类器 | 第39-41页 |
| 4.1.1 最近邻分类器 | 第39-40页 |
| 4.1.2 支持向量机 | 第40页 |
| 4.1.3 神经网络 | 第40-41页 |
| 4.2 BP神经网络基本原理 | 第41-48页 |
| 4.2.1 BP神经网络的结构 | 第41-42页 |
| 4.2.2 标准的BP神经网络算法 | 第42-46页 |
| 4.2.3 基于弹性动量的权值调整方法 | 第46-48页 |
| 4.3 测试及分析 | 第48-52页 |
| 4.3.1 激励函数测试 | 第48-49页 |
| 4.3.2 隐藏层节点数测试 | 第49-50页 |
| 4.3.3 权值调整方法测试 | 第50-51页 |
| 4.3.4 PCA+BP神经网络性能测试 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 人脸识别功能的设计与实现 | 第53-57页 |
| 5.1 开发平台和目标 | 第53-54页 |
| 5.1.1 Open CV简介 | 第53页 |
| 5.1.2 Visual C++ 2010 与MATLAB的混合编程方法 | 第53-54页 |
| 5.1.3 系统识别功能 | 第54页 |
| 5.2 系统设计与实现 | 第54-56页 |
| 5.2.1 系统功能模块设计 | 第54页 |
| 5.2.2 人脸识别系统的实现 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间所发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
